开发者学习笔记【阿里云人工智能工程师ACA认证(2023版):机器学习PAI简单实现】
课程地址:https://edu.aliyun.com/course/3112108/lesson/19271
机器学习PAI简单实现
一、基于卷神经网络的体育赛事识别
1、基于卷积神经网络的体育赛事识别:背景介绍
图像处理和识别是日常生活中常见的问题。图像分类是图像处理和识别中的一个子类问题,主要通过对已经标注好类别的已有图像数据集进行学习,掌握图像特征,然后再对新图像进行判断,区分其类别。
现有230张体育赛事图片,包括棒球、板球和足球三个体育赛事。如下图所示。现希望使用卷积神经网络对这些图片数据
建立分类模型,并进行测试验证。
2、基于卷积神经网络的体育赛事识别:实验步骤
使用Tensorflow构建卷积神经网络的思路比较清晰,Tensorflow框架中提供了卷积神经网络构建所需的各层操作API,在具备Tensorflow开发和运行环境后,可以按照如下处理思路进行卷积神经网络程序开发。
具体的处理思路如下:
当构建卷积神经网络时,用到Tensorflow框架,Tensorflow框架中有提供如何创建神经网络API ,使用机器API平台,内置有开发和运行环境。
实验的基本过程:
① 数据准备:先下载好数据
② 数据的处理:把数据分成训练集和测试集,下一步写好代码,并加载进来,过程中根据自己的需求,对图像进行预处理。例如:尺寸归一化
③ 构建卷积神经网络:使用Tensorflow构建卷积神经网络
④ 训练卷积神经网络:进行一段时间的训练
⑤ 评估和应用网络模型:完成训练后进行评估
部分代码去加载数据集,训练迭代的系数,在进行对数据图像预处理,训练完成后保存模型
3、基于卷积神经网络的体育赛事识别:结果可视化
对模型训练过程中的损失函数值和模型的准确率进行可视化。
左边图形TrainingACC是准确率,训练的准确率是随着时间不断地上升,接近1.0
右边图形Training Loss是损失函数值,随着训练的进展,损失函数值不断在下降
4、本章小结
通过本章的学习,我们学到了:
• 深度学习的定义、优缺点
• 卷积神经网络的定义与层级结构
• 深度学习框架的定义、特点及选择
• 经典卷积神经网络及其应用
• 神经网络概述
• 循环神经网络的定义、结构及类别
• 感知机与多层感知机的层级结构
• 生成对抗网络及其应用
• 激活函数的定义及常见激活函数的特点
• 基于卷积神经网络的体育赛事识别