Qu'est-ce qu'un réseau de neurones convolutif (CNN)?
Un réseau de neurones convolutif (CNN) est un type de modèle de réseau de neurones utilisé principalement en traitement de l'image et en reconnaissance de la parole. Il est construit en utilisant des couches de neurones "convolutifs" qui sont conçues pour capturer des motifs spécifiques dans les données d'entrée. Les CNN sont particulièrement efficaces pour traiter des données structurées, comme des images, car ils peuvent "gérer" h automatiquement certaines des caractéristiques importantes de ces données, comme la translation, la rotation et la symétrie.
Utilisation de mon modèle de réseau de neurones convolutif
Bienvenue sur notre modèle de réseau de neurones convolutif (CNN). Pour utiliser ce code, veuillez suivre les instructions suivantes :
Téléchargez le dataset et suivez la structure de dossier suivante :
- architecture (contient des images de l'architecture du modèle)
- corrupted (contient des images corrompues)
- courbes_apprentissage (contient les images des courbes d'apprentissage)
- data (contient un ensemble de sous-dossiers qui contiennent des images)
- logs (qui contient les logs de l'entraînement)
- models (qui contient les modèles)
- test (qui contient un sous-dossier Dataset qui contient des images à faire classifier par le modèle)
- tunning (qui contient les hyperparamètres)
- Ouvrez le fichier ipynb dans votre environnement de développement préféré (par exemple, Jupyter Notebook).
Ouvrez le fichier multiClass_classifier_CNN.ipynb dans votre environnement de développement préféré (par exemple, Jupyter Notebook).
Suivez les instructions dans le fichier ipynb pour entraîner et utiliser le modèle ou directement aller a la section "Essayer ici notre meilleur modèle !" pour classifier des images avec notre meilleur modèle.