Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 46 vistas

    Model Garden

    Cargado por

    Eduardo David Olvera Aguilar
    Este documento describe cómo utilizar el paquete TensorFlow Model Garden para entrenar un modelo ResNet prediseñado en el conjunto de datos CIFAR-10 para la clasificación de imágenes. Se configura el modelo ResNet-18, se entrena con el conjunto de datos CIFAR-10 y se exporta el modelo entrenado para su uso posterior sin necesidad de volver a entrenarlo.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Model Garden

    Cargado por

    Eduardo David Olvera Aguilar
    46 vistas21 páginas
    Este documento describe cómo utilizar el paquete TensorFlow Model Garden para entrenar un modelo ResNet prediseñado en el conjunto de datos CIFAR-10 para la clasificación de imágenes. Se configura el modelo ResNet-18, se entrena con el conjunto de datos CIFAR-10 y se exporta el modelo entrenado para su uso posterior sin necesidad de volver a entrenarlo.

    Descripción original:

    modelo de jardin

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe cómo utilizar el paquete TensorFlow Model Garden para entrenar un modelo ResNet prediseñado en el conjunto de datos CIFAR-10 para la clasificación de imágenes. Se configura el modelo ResNet-18, se entrena con el conjunto de datos CIFAR-10 y se exporta el modelo entrenado para su uso posterior sin necesidad de volver a entrenarlo.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    46 vistas21 páginas

    Model Garden

    Cargado por

    Eduardo David Olvera Aguilar
    Este documento describe cómo utilizar el paquete TensorFlow Model Garden para entrenar un modelo ResNet prediseñado en el conjunto de datos CIFAR-10 para la clasificación de imágenes. Se configura el modelo ResNet-18, se entrena con el conjunto de datos CIFAR-10 y se exporta el modelo entrenado para su uso posterior sin necesidad de volver a entrenarlo.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    Está en la página 1de 21

    IMAGE

    CLASSIFICATIO
    N WITH MODEL
    GARDEN

    Benitez Merino Leonardo Jonathan


    Gutiérrez Povedano Pablo
    Olvera Aguilar Pedro Eduardo
    Sánchez Mederos Yael Alexandr
    AGENDA

    Introducción

    Propósito

    Model Garden

    Implementacion

    Código

    IMAGE CLASSIFICATION 2
    IMAGE CLASSIFICATION

    Introducción
    Las redes neuronales son muy útiles para, a partir de un dato de
    entrada, hacer una clasificación o regresión a partir de un modelo
    entrenado. Esta misma idea se puede aplicar a una imagen, para
    obtener, por ejemplo, qué representa la imagen (clasificación) o
    detectar un objeto que forme parte de ella (segmentación,
    detección, identificación, etc). Para ello se recurre a las redes
    neuronales convolucionales (CNN), las cuales han supuesto una
    revolución en el sector del reconocimiento de imágenes, ya que, a
    diferencia de las redes neuronales convencionales y otros
    algoritmos de clasificación de imágenes, usan un procesamiento
    relativamente pequeño.

    3
    IMAGE CLASSIFICATION

    4
    Propósito

    IMAGE CLASSIFICATION
    1. Utilizar modelos del
    paquete TensorFlow-
    Models.
    2. Ajustar un ResNet
    prediseñado para la
    clasificación de
    imágenes.
    3. Exportar el modelo
    ResNet ajustado.
    5
    Model Garden en TensorFlow
    TensorFlow Model Garden es un repositorio con una serie de implementaciones diferentes de
    modelos de última generación (SOTA) y soluciones de modelado para usuarios de TensorFlow.
    Nuestro objetivo es demostrar las mejores prácticas para el modelado para que los usuarios de
    TensorFlow puedan aprovechar al máximo TensorFlow para su investigación y desarrollo de
    productos.
    Implementación

    CIFAR-10 dataset Residual Network TensorFlow

    7
    Red Residual (ResNet)

    8
    CÓDIGO
    El tensorflow_modelspaquete contiene el
    modelo de visión ResNet y
    el official.vision.servingmodelo contiene
    la función para guardar y exportar el modelo
    ajustado.

    Configurar el modelo ResNet-18 para el


    conjunto de datos Cifar-10.

    El conjunto de datos CIFAR10 contiene 60 000


    imágenes en color en 10 clases mutuamente
    excluyentes, con 6000 imágenes en cada clase.

    Con resnet_imagenet dejamos la
    configuración de fábrica 
    Esto nos permite entrenar a ResNet para que
    converja en ImageNet.

    3/9/20XX 10
    Configuración del modelo
    Número de clases:  10 

    Entrada: Imágenes a color de 32x32


    pixeles. 

    Id del modelo: 18

    Configuración de entrenamiento
    Nombre de los datos de entrenamiento:
    cifar10 

    Lote de entrenamiento: 128 

    Nombre de los datos


    de validación: cifar10 

    Lote de validación: 128


    Selección del dispositivo a utilizar para el
    modelo.

    Pasos de entrenamiento

    Pasos de entrenamiento por ciclo

    Intervalo de resumen

    Intervalo de validación

    Pasos de validación

    Tipo de curva de aprendizaje

    Pasos de degradación

    Tasa de aprendizaje inicial

    Pasos de calentamiento
    Con mixed_float16 hará que las capas
    creadas posteriormente usen precisión
    mixta con una combinación de float16
    y float32.

    Con mirroredStrategy()
    Entrenaremos nuestra maquina
    utilizando su GPU y en caso que sea
    una TPU se utilizara TPUStrategy()
    Creación del objeto Task pasando como parámetros las diferentes modificaciones a la configuración de
    fabrica realizadas anteriormente.

    El objeto task posee todos los métodos necesarios para la construcción del dataset, el modelo, ejecutar el
    entrenamiento y la evaluación. Dichos métodos contenidos en la librería tfm.core.train_lib.run_experiment
    Con ds_info buscamos la descripciones de
    texto de cada ID de la clase.

    La siguiente funcion nos permite mostar en


    pantalla un lote de datos, en este caso
    mostrara 12 imagenes de 10 x10 pulgadas
    con su respectiva etiqueta 
    Si la prediccion es correcta el nombre sera
    coloreado en verde y si es erroneo sera de
    color rojo
    Utilizando la función run_experiment() pasando
    como parámetros la estrategia de distribución,
    nuestro objeto task, el modo y las configuraciones
    especificadas se inicia el entrenamiento del
    modelo.

    Una vez finalizado el entrenamiento, el modelo es evaluado y se obtiene un valor de precisión


    Se toma un lote de imágenes usadas para entrenar al modelo y se muestran los resultados de forma gráfica.
    El objeto de tipo model que se regresa tras ejecutar la función
    run_experiment() es exportado en un directorio especificado
    para su posterior uso.

    Se puede importar el modelo guardado y utilizarlo sin necesidad


    de entrenarlo nuevamente
    20

    CONCLUSIONES
    Referencias bibliográficas
    Google, D. d. (27 de 05 de 2022). TensorFlow. Obtenido de Clasificación de imágenes con Model
    Garden: https://www.tensorflow.org/tutorials/images/classification_with_model_garden
    humanly, T. (s.f.). Data solutions. Obtenido de Deep Learning: clasificando imágenes con redes
    neuronales: https://www.lisdatasolutions.com/blog/deep-learning-clasificando-imagenes-con-
    redes-neuronales/#:~:text=El%20Machine%20Learning%20puede%20dividirse,sets%20de
    %20datos%20no%20etiquetados
    Kim, J. (31 de marzo de 2020). TensorFlow. Obtenido de Presentamos el jardín modelo para TensorFlow
    2: https://blog.tensorflow.org/2020/03/introducing-model-garden-for-tensorflow-2.html
    License., A. 2. (26 de 01 de 2022). TensorFlow. Obtenido de Clasificación de imágene:
    https://www.tensorflow.org/tutorials/images/classification
    Team, D. S. (2020). DATA SCIENCE. Obtenido de Redes neuronales residuales – Lo que necesitas saber:
    https://datascience.eu/es/aprendizaje-automatico/una-vision-general-de-resnet-y-sus-variantes/

    21

    También podría gustarte