Di warê îstîxbarata sûnî de, nemaze di warê fêrbûna kûr de, torên neuralî yên dabeşkirinê amûrên bingehîn in ji bo peywirên wekî naskirina wêneyê, pêvajokirina zimanê xwezayî, û hêj bêtir. Dema ku meriv li ser derencana tora neuralî ya dabeşkirinê nîqaş dike, girîng e ku meriv têgeha dabeşkirina îhtimalê di navbera çînan de fam bike. Gotina ku "Ji bo tora neuralî ya dabeşkirinê, encam divê di navbera çînan de dabeşek îhtimalê be" bi rastî rast e.
Di peywirek dabeşkirinê de, torgilokek neuralî tête sêwirandin ku xalên daneya têketinê li kategori an çînên taybetî veqetîne. Tora daneya têketinê bi gelek qatên noyronên bi hev ve girêdayî pêvajo dike, her qatek komek veguherînan li daneyên têketinê bicîh tîne. Qada paşîn a tora neuralî bi gelemperî ji girêkên ku di peywira dabeşkirinê de bi çînên cihêreng re têkildar in pêk tê.
Di qonaxa perwerdehiya tora neuralî de, model fêr dibe ku pîvanên xwe rast bike da ku cûdahiya di navbera hilberîna pêşbînîkirî û etîketên rastîn ên daneyên perwerdehiyê de kêm bike. Ev pêvajo xweşbînkirina fonksiyonek windabûnê vedihewîne, ku cihêrengiya di navbera îhtîmalên çîna pêşbînîkirî û etîketên çîna rastîn de hejmar dike. Bi nûvekirina dubare ya parametreyên torê bi rêbazên mîna paşnavkirin û daketina gradient, model hêdî hêdî şiyana xwe ya çêkirina pêşbîniyên rast çêtir dike.
Hilberîna tora neuralî ya dabeşkirinê bi gelemperî wekî dabeşkirina îhtimalê li ser çînan tê destnîşan kirin. Ev tê vê wateyê ku ji bo her xala daneya têketinê, torê komek îhtîmalên polê çêdike, ku îhtîmala têketina ku ji her polê re têkildar e destnîşan dike. Ihtîmal bi gelemperî têne normalîze kirin ku bi yek ve werin berhev kirin, û piştrast bikin ku ew dabeşek îhtîmalek derbasdar temsîl dikin.
Mînakî, di peywirek dabeşkirina binar ya hêsan de ku çînên "pisîk" û "kûçik" in, derketina tora neuralî dikare bibe [0.8, 0.2], ku nîşan dide ku model ji% 80 pê bawer e ku têketin pisîkek e û 20% pê bawer e ku ew kûçik e. Di senaryoyek dabeşkirina pir-polî de bi dersên wekî "otomobîl", "otobus" û "bisîkletê", dibe ku encam wekî [0.6, 0.3, 0.1] xuya bike, ku îhtîmalên modelê ji bo her polê nîşan dide.
Ev hilbera îhtîmalî ji ber çend sedeman hêja ye. Pêşîn, ew pîvanek pêbaweriya modelê di pêşbîniyên xwe de peyda dike, ku dihêle bikarhêner pêbaweriya encamên dabeşkirinê binirxînin. Wekî din, dabeşkirina îhtîmalê dikare were bikar anîn da ku li ser bingeha nezelaliya modelê biryaran bide, mînakî, bi danîna bendek ji bo pejirandina pêşbîniyan an bi karanîna teknolojiyên mîna softmax ji bo veguheztina hilberên xav li îhtîmalan.
Daxuyaniya ku "Ji bo tora neuralî ya dabeşkirinê, encam divê dabeşek îhtimalê di navbera çînan de be" rastiyek bingehîn a ka torên neuralî yên dabeşkirinê çawa dixebitîne. Bi hilberandina dabeşên îhtîmalê li ser çînan, van toran pêşbîniyên nuwazetir û agahdar dikin ku ji bo cûrbecûr serlêdanên cîhana rastîn girîng in.
Pirs û bersivên din ên vê dawiyê di derbarê Eytc/AI/DLPP Fêrbûna Kûr a bi Python û PyTorch:
- Ger meriv bixwaze wêneyên rengîn li ser tora neuralî ya hevgirtî nas bike, gelo pêdivî ye ku meriv ji dema nasandina wêneyên pîvana gewr pîvanek din lê zêde bike?
- Ma fonksiyona aktîfkirinê dikare were hesibandin ku bi gulebaranê an na neronek di mêjî de teqlîd bike?
- Ma PyTorch dikare bi NumPy-ê ku li ser GPU-yê bi hin fonksiyonên din ve tê xebitandin re were berhev kirin?
- Ma windabûna derveyî nimûne windakirina pejirandinê ye?
- Ma pêdivî ye ku meriv ji bo analîzkirina pratîkî ya modela tora neuralî ya PyTorch an matplotlib-ê tabloyek tensor bikar bîne?
- Ma dikare PyTorch bi NumPy-ê ku li ser GPU-yê bi hin fonksiyonên din ve tê xebitandin were berhev kirin?
- Ma meşandina modelek tora neuralî ya fêrbûna kûr a li ser gelek GPU-yên li PyTorch pêvajoyek pir hêsan e?
- Ma tora neuralî ya birêkûpêk dikare bi fonksiyonek nêzî 30 mîlyar guhêrbar re were berhev kirin?
- Tora neuralî ya herî mezin a konvolutional ku hatî çêkirin çi ye?
- Ger têketin navnîşa rêzikên numpy e ku nexşeya germahiyê hildibijêre ku derketina ViTPose ye û şeklê her pelê numpy [1, 17, 64, 48] bi 17 xalên sereke yên laş re têkildar e, kîjan algorîtma dikare were bikar anîn?
Di EITC/AI/DLPP Fêrbûna Kûr bi Python û PyTorch de bêtir pirs û bersivan bibînin