昨年末の発表以来、会話型 AI モデル ChatGPT はコミュニティ全体で人気を博しました。
ChatGPT はまさに「パンドラの箱」のような素晴らしいツールです。正しい開け方を見つけたら、もうそれなしでは生きていけないことに気づくかもしれません。
ChatGPT はオールラウンダーなので、論文執筆に使う人もいれば、チャットに使う人もいて、さまざまな要望が寄せられています。もう少し心を開いてください。ChatGPT は AI の「王様」なので、AI を作成するのでしょうか?
最近、機械学習分野のブロガーが突然思いつき、ChatGPT にニューラル ネットワークを構築させ、Keras を使用して MNIST 問題を解決することにしました。
MNIST は、機械学習の分野における古典的な問題です。この手書きの数字データ セットはコンピューター ビジョンの分野から徐々に消え去っていきましたが、その記念的な意味は無視できません。多くの人がディープ ラーニングを始める最初のデータ セットであり、アルゴリズムを検証するための最初の実験が MNIST です。
# 多くを語らず、思い立ったらすぐに取り組みました。作成者は、何も変更することなく、完璧に見えるコードを書くように ChatGPT に依頼しただけです。
#これは素晴らしいスタートです。
ChatGPT は、損失関数としてカテゴリカルクロスエントロピーを選択しました。作者はカテゴリカル クロス エントロピー コードを書き直すことを提案し、ChatGPT はそれをスパース カテゴリ クロス エントロピーに置き換えました。更新されたコードは引き続き機能します。新しい損失関数がラベルの分類変換を放棄していることがわかります。
「評価」メソッドは、テスト データとテスト ラベルをパラメータとして受け取り、モデルのコンパイル時に指定された値を返します (ここでは、精度) 損失と測定。上記のコード スニペットはテストの精度を出力します。これにより、モデルが新しいデータに対してどの程度一般化されているかがわかります。
モデルは、トレーニング中にテスト セット全体を検証データとして使用しました。次に、著者らは ChatGPT にこれをトレーニング データの 20% に変更するよう依頼しました。
したがって、このタスクは依然として ChatGPT に当てはまります:
次に、作成者は、トレーニング プロセス中のトレーニングとテストの損失をプロットする予定です。 ChatGPT の提案は、モデルに適合する線を変更して、その結果の値を取得する必要があるというものです。
データセットの例をいくつか示すために、作成者は ChatGPT に次の組み合わせを出力するコードを書くように依頼しました。画像とタグ。これらの出力のコードも完璧で、20 枚の画像のコレクションが付属しています。
#モデルを構築するときは、その構造にも注目する必要があります。 ChatGPT にこの質問をすると、次のような答えが返されます:
# モデルの概要は役に立ちますが、作成者はモデルの構造を示す図が見たかったと思います。
##結果は満足です。最後に、このモデルをデプロイする準備が整いました。 ChatGPT モデルをディスクに保存します。 
次に、作成者は、保存されたモデルを予測に使用するクラスを作成したいと考えています。このプロンプトは興味深いもので、解決策は完璧です。 
次に、予測子のクラスを使用して 10 個のランダムな画像のラベルを予測する例を作成します。 
これを達成するために、作成者は ChatGPT に混同行列を表示するように依頼しました。
言うかどうかは別として、ChatGPT で使用されるスタイルは本当に素晴らしいです。
すべての実験が完了した後、作成者は ChatGPT によって生成されたすべてのコードを公開しました。あなたもそれを試すことができます:
以上がChatGPT を使用してニューラル ネットワークを作成しました。単語を一切変更しませんでしたが、結果は非常に便利であることがわかりました。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。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
