AIを書こうとする場合

私たちは、ヘルプ AI を使用してコードを書く新しいトレンドについてよく話しました。これを調べてみると、明らかに次のことがわかります。AI は企業内の現代のコードの小さな部分を置き換えることができます。
現在、AI はオブジェクトの検出、単語ボット、コンピューター ビジョンなどの分野でより効果的です。

上の写真は、一連の畳み込みとプルに基づいたそれほどハードではないニューラル ネットワークです。この特定の設計では、UNet-Segmentation という名前が付けられています。

• いくつかの便利なライブラリは、トレーニング ネットワークのデータに影響を与えるのに役立ちます: numpy、pandas、matplotlib

df = pd.read_csv('data/train_masks.csv')

train_df = df[:4000]
val_df = df[4000:]

img_name, mask_rle = train_df.iloc[4]

img = cv2.imread('data/train/{}'.format(img_name))
mask = rle_decode(mask_rle)

• AI コーディングを成功させるための次のステップ: アーキテクチャを Python にコピーします (私は通常、Google Colab/Jupyter Notebook を使用します)。役立つかもしれません: keras

conv_1_1 = Conv2D(32, (3, 3), padding='same')(inp) 
conv_1_1 = Activation('relu')(conv_1_1) 

conv_1_2 = Conv2D(32, (3, 3), padding='same')(conv_1_1)
conv_1_2 = Activation('relu')(conv_1_2)

pool_1 = MaxPooling2D(2)(conv_1_2)

• 最後のもの: モデルのトレーニング。すべてのエリアを完了するには少し時間がかかる場合があります (私の場合は約 7 分)。

model.fit_generator(keras_generator(train_df, batch_size),
              steps_per_epoch=100, 
              epochs=100, 
              verbose=1, 
              callbacks=callbacks, 
              validation_data=keras_generator(val_df, batch_size),
              validation_steps=50,
              class_weight=None,
              max_queue_size=10,
              workers=1,
              use_multiprocessing=False,
              shuffle=True,
              initial_epoch=0)

以上がAIを書こうとする場合の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。