如果嘗試編寫 AI

我們談了很多關於使用 AI 編寫程式碼的新趨勢。如果你仔細研究一下，你會發現：人工智慧能夠取代公司中一小部分現代程式碼。
如今，人工智慧在以下領域更有效：偵測物體、文字機器人和電腦視覺。

上圖是一個不太硬的神經網絡，它是基於一系列的捲積和拉取。這個特殊的設計被命名為 UNet-Segmentation。

• 一些有用的函式庫將有助於影響訓練網路的資料：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)

• 成功編碼 AI 的下一步：將架構複製到 Python（我通常使用 Google Colab/Jupyter Notebook）。可能有幫助：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)

• 最後一篇：模型訓練。有時需要一點時間（對我來說〜7分鐘）才能完成所有區域

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)

以上是如果嘗試編寫 AI的詳細內容。更多資訊請關注PHP中文網其他相關文章！