bóng đá tỷ lệ cá cược Phần 2 Thực hành với Keras! Mèo vs Chó (2/6)

2) Xác định cấu trúc của DNN

Bây giờ chúng ta hãy xem phần thú vị nhất: xác định cấu trúc của DNN
Tạo một tệp mới mydnn_keraspy và chỉ ghi phần DNN vào đó

Kiểm tra nội dung chung của mã

Đầu tiên, hãy lấy những phần cần thiết từ Kerasnhập khẩuTôi sẽ để việc đó cho bạn
vàMyDNN, chúng ta sẽ triển khai nó dưới dạng mô-đun lấy DNN được xác định trong Keras:

từ kerasmodels nhập tuần tự

Giới thiệu về đối số hàm MyDNN

Đối sốinput_shapeđại diện cho hình thức của một mục dữ liệu đầu vào
Được viết làm giá trị mặc định(32, 32, 1)đại diện cho hình ảnh đen trắng 32 pixel x 32 pixel
Số thứ ba biểu thị số kênh; khi nhập hình ảnh màu RGB, cần có 3 kênh màu đỏ, xanh lục và xanh lam(32, 32, 3)

Đối sốkích thước đầu racho biết kích thước đầu ra, nghĩa là có bao nhiêu cách để phân loại hình ảnh đầu vào Lần bóng đá tỷ lệ cá cược có hai cách, chó và mèo, nên sau bóng đá tỷ lệ cá cược khi gọi phương thức2

Đối sốtỷ lệ học tậplà hệ số học Điều bóng đá tỷ lệ cá cược cho thấy bạn dũng cảm như thế nào với việc học của mình Nếu hệ số học quá lớn sẽ không thể điều chỉnh chi tiết được, khó đạt được độ chính xác cao Nếu hệ số học quá nhỏ thì việc học sẽ chỉ được thực hiện từng chút một, mất nhiều thời gian

Luận cứkeep_probsẽ được giải thích sauBỏ họcGiá trị 0,5 là phổ biến

Triển khai bằng mô hình Tuần tự

Bây giờ hãy bắt tay vào triển khai cụ thể Lần bóng đá tỷ lệ cá cược, chúng ta sẽ sử dụng một phương thức triển khai được gọi là mô hình Tuần tự của Keras
Trong mô hình Tuần tự, đầu tiên quy trình bóng đá tỷ lệ cá cược được thực hiện, sau đó quy trình bóng đá tỷ lệ cá cược được thực hiện, vv và cấu trúc DNN được thêm vào theo thứ tự
Đang tải lúc đầuConv2D、MaxPooling2D、Dày đặc, Bỏ học, Làm phẳngvv là các lớp tương ứng với quy trình được thêm vào bóng đá tỷ lệ cá cược

Bây giờ, phần thêm quá trình xử lý như sau:

model = Tuần tự()

Trong mô hình Tuần tự của Keras, cần phải cho lớp trên cùng biết hình dạng của dữ liệu đầu vào nên lớp đầu tiênConv2DChỉ khi thêmhình_đầu vàoĐối số được chỉ định
Sự tương ứng giữa cấu trúc và mã DNN như sau:

Theo cách bóng đá tỷ lệ cá cược, một đặc điểm của mô hình Tuần tự của Keras là nó có thể được mô tả đơn giản như thể cấu trúc của DNN được viết ra
Như được hiển thị trong sơ đồ trên, mỗi quy trình được thể hiện bằng từ "lớp", đặc biệt là trong định nghĩa DNN
Từ “sâu” trong DNN xuất phát từ hình ảnh nhiều tầng sâu xếp chồng lên nhau

Đặc điểm của cấu trúc DNN bóng đá tỷ lệ cá cược

Giải thích chi tiết về từng lớp nằm ngoài phạm vi của bài viết bóng đá tỷ lệ cá cược nhưng cấu trúc bóng đá tỷ lệ cá cược bao gồm ba tính năng sau:

• Lặp lại mẫu tích chập → gộp
  • Đây là một kỹ thuật hiện đang được sử dụng rộng rãi trong học sâu hình ảnh và được biết là có thể nhận dạng linh hoạt các đặc điểm của hình ảnh bằng cách giới thiệu cấu trúc lặp lại bóng đá tỷ lệ cá cược Nó được gọi là "Mạng thần kinh chuyển đổi (CNN)"
• Chuẩn hóa bằng chuẩn hóa hàng loạt
  • Nó có tác dụng ngăn chặn tác động tiêu cực đến việc học do sự thay đổi dữ liệu Nói điều bóng đá tỷ lệ cá cược nghe có vẻ khiêm tốn nhưng trên thực tế, nếu loại bỏ lớp chuẩn hóa khỏi DNN trên thì nó có tác dụng rất lớn đến mức ít nhất là khi phân loại chó, mèo thì không có độ chính xác nào cả
• Tuyển dụng bỏ học
  • Đây là một kỹ thuật trong đó một số giá trị đầu vào được cố ý loại trừ khỏi phép tính trong quá trình học, tạo ra trạng thái giống như lỗ hổng cho việc học Người ta hy vọng rằng điều bóng đá tỷ lệ cá cược sẽ tạo ra một DNN bền bỉ và linh hoạt, có thể thu được câu trả lời chính xác ngay cả với các giá trị đầu vào có nhiều lỗ hổng
  • Thông sốkeep_probcho biết mức độ thủng và chỉ định giá trị từ 1,0 (hoàn toàn không bị thủng) đến 0,5 (thủng một nửa)

Chỉ định phương pháp học

Cuối cùng, sau khi thêm quá trình xử lý vào mô hình Tuần tựbiên dịchPhương pháp chỉ định phương pháp học và phương pháp đánh giá
Lần bóng đá tỷ lệ cá cượcAdam

modelcompile(optimizer=Adam(lr=learning_rate, epsilon=1e-1),

Mô-đun định nghĩa DNN đã hoàn thành

Tóm lại, toàn bộ mydnn_keraspy trông như thế bóng đá tỷ lệ cá cược:

từ kerasmodels nhập tuần tự

Ngoài ra, cách gọi nó từ cat_dog_dnn_keraspy như sau

từ mydnn_keras nhập MyDNN