[ Ссылка ]
ВНИМАНИЕ!!! ЧИТАТЬ ОПИСАНИЕ!!!. Я ЗАБЫЛ ДАТЬ НЕКОТОРЫЕ ПОЯСНЕНИЯ ПО АРХИТЕКТУРЕ МОДЕЛИ
ctx — устройства используемых для обучения (CPU/GPU). CPU -это процессор. Gpu-это графический процессор или другими словами видеокарта. Отличительной способностью gpu является наличие множества ядер с помощью которых можно эффективно параллелить вычисления.
Batch_size - определяет количество выборок, которые будут распространяться по сети.
Например, допустим, у вас есть 1050 обучающих выборок, и вы хотите установить batch_size равным 100. Алгоритм берет первые 100 выборок (с 1-го по 100-й) из обучающего набора данных и обучает сеть. Затем он берет вторые 100 выборок (с 101-го по 200-й) и снова обучает сеть. Мы можем продолжать делать эту процедуру, пока мы не распространим все образцы через сеть. Проблема может возникнуть с последним набором образцов. В нашем примере мы использовали 1050, который не делится на 100 без остатка.
Не путайте с понятием эпоха. Одна эпоха - это когда ВЕСЬ набор данных передается вперед и назад через нейронную сеть только ОДИН РАЗ.
Kernel 5*5 - это размер ядра свертки. Т.е. Один фильтр из num_filter=32. Каждый фильтр порождает свою карту признаков, которых будет 32
learning.rate - скорость обучения,
momentum - параметр, который означает значение с которым мы будем смотреть на предыдущие
Initializer - начальная инициализация весов. Пример инициализатор Ксавье или Glorot. Его лучше использовать для сигмойдной функции активации
Optimizer - оптимизатор градиентного спуска
Clip_gradient - усечение градиента, дабы они не взорвались и не пошло переобучение
data.shape = c(80, 30, 3) Это размерность данных. Т.е. 80 строк 30 столбцов и так в глубину 3
ReLu это функция активация. Она сама по себе нелинейна и является отличным аппроксимизатором
Подробнее о функуциях активации можно почитать тут
[ Ссылка ]
ДЕТСКАЯ ТЕОРИЯ О СВЕРТОЧНЫХ НЕЙРОСЕТЯХ. ОБЯЗАТЕЛЬНО ПРОЧЕСТЬ ПЕРЕД ПРОСМОТРОМ ВИДЕО иначе Вы ничего не поймете . Там разжевали для гуманитариев
[ Ссылка ]
РАЗДАТОЧНЫЕ МАТЕРИАЛЫ
ВИРТУАЛЬНАЯ МАШИНА, ГДЕ МЫ ПРЕОБРАЗОВЫВАЛИ В ФОРМАТ REC (im2rec.py)
[ Ссылка ]
ссылка на R скрипт
[ Ссылка ]
ссылка на капчу для построение нейросети
[ Ссылка ]
Image recognition tutorial in R using deep convolutional neural networks (MXNet package)
[ Ссылка ]
#дополнительные материалы
[ Ссылка ]
[ Ссылка ]
