Google I / O 18-20 मई को लौटता है! जगह आरक्षित करें और अपना शेड्यूल बनाएं अभी रजिस्टर करें

बुनियादी वर्गीकरण: कपड़ों की छवियों को वर्गीकृत करें

TensorFlow.org पर देखें GitHub पर स्रोत देखें नोटबुक डाउनलोड करें

यह गाइड स्नीकर्स और शर्ट जैसे कपड़ों की छवियों को वर्गीकृत करने के लिए एक तंत्रिका नेटवर्क मॉडल को प्रशिक्षित करता है। यह ठीक है यदि आप सभी विवरणों को नहीं समझते हैं; यह एक पूर्ण TensorFlow कार्यक्रम का तेज़-गति वाला ओवरव्यू है जिसमें विवरण दिया गया है।

यह मार्गदर्शिका Tf.keras , TensorFlow में मॉडल बनाने और प्रशिक्षित करने के लिए एक उच्च-स्तरीय API का उपयोग करती है।

# TensorFlow and tf.keras
import tensorflow as tf

# Helper libraries
import numpy as np
import matplotlib.pyplot as plt

print(tf.__version__)
2.4.1

फैशन एमएनआईएसटी डेटासेट आयात करें

यह मार्गदर्शिका फ़ैशन MNIST डेटासेट का उपयोग करती है जिसमें 10 श्रेणियों में 70,000 ग्रेस्केल चित्र हैं। चित्र निम्न रिज़ॉल्यूशन के कपड़ों के अलग-अलग लेख दिखाते हैं (28 बाय 28 पिक्सेल), जैसा कि यहाँ देखा गया है:

फैशन MNIST स्प्राइट
चित्रा 1. फैशन-एमएनआईएसटी नमूने (ज़ालैंडो, एमआईटी लाइसेंस द्वारा)।

फैशन MNIST का उद्देश्य क्लासिक MNIST डेटासेट के लिए एक ड्रॉप-इन प्रतिस्थापन के रूप में किया जाता है - जिसे अक्सर कंप्यूटर दृष्टि के लिए मशीन सीखने के कार्यक्रमों के "हैलो, वर्ल्ड" के रूप में उपयोग किया जाता है। MNIST डेटासेट में हस्तलिखित अंकों (0, 1, 2, आदि) के चित्र होते हैं, जो आपके द्वारा उपयोग किए जाने वाले कपड़ों के लेखों के समान होते हैं।

यह गाइड विभिन्न प्रकार के लिए फैशन MNIST का उपयोग करता है, और क्योंकि यह नियमित MNIST की तुलना में थोड़ी अधिक चुनौतीपूर्ण समस्या है। दोनों डेटासेट अपेक्षाकृत छोटे हैं और यह सत्यापित करने के लिए उपयोग किया जाता है कि एल्गोरिथ्म अपेक्षा के अनुसार काम करता है। वे परीक्षण और डिबग कोड के लिए अच्छे शुरुआती बिंदु हैं।

यहां, नेटवर्क को प्रशिक्षित करने के लिए 60,000 छवियों का उपयोग किया जाता है और यह मूल्यांकन करने के लिए कि छवियों को वर्गीकृत करने के लिए नेटवर्क ने कितना सही तरीके से सीखा है। आप TensorFlow से सीधे फैशन MNIST तक पहुँच सकते हैं। TensorFlow से सीधे फ़ैशन MNIST डेटा आयात और लोड करें :

fashion_mnist = tf.keras.datasets.fashion_mnist

(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/train-labels-idx1-ubyte.gz
32768/29515 [=================================] - 0s 0us/step
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/train-images-idx3-ubyte.gz
26427392/26421880 [==============================] - 1s 0us/step
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/t10k-labels-idx1-ubyte.gz
8192/5148 [===============================================] - 0s 0us/step
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/t10k-images-idx3-ubyte.gz
4423680/4422102 [==============================] - 0s 0us/step

डेटासेट लोड करना चार NumPy सरणियाँ लौटाता है:

  • train_images और train_labels सरणियाँ प्रशिक्षण सेट हैं - डेटा जो मॉडल सीखने के लिए उपयोग करता है।
  • परीक्षण सेट , test_images , और test_labels सरणियों के विरुद्ध मॉडल का परीक्षण किया जाता है।

चित्र 28x28 न्यूमपे सरणियाँ हैं, जिनमें पिक्सेल मान 0 से 255 तक हैं। लेबल पूर्णांक के एक सरणी हैं, 0 से 9 तक के हैं। ये उन कपड़ों के वर्ग के अनुरूप हैं जिनका चित्र प्रतिनिधित्व करता है:

लेबल कक्षा
टी-शर्ट / टॉप
1 पतलून
पुल ओवर
परिधान
4 कोट
5 चप्पल
कमीज
7 छिपकर जानेवाला
बैग
9 एडी तक पहुंचने वाला जूता

प्रत्येक छवि को एक लेबल पर मैप किया जाता है। चूंकि वर्ग के नाम डेटासेट के साथ शामिल नहीं हैं, इसलिए छवियों को प्लॉट करते समय बाद में उपयोग करने के लिए उन्हें यहां संग्रहीत करें:

class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
               'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

डेटा का अन्वेषण करें

आइए मॉडल को प्रशिक्षित करने से पहले डेटासेट के प्रारूप को देखें। निम्नलिखित शो प्रशिक्षण सेट में 60,000 छवियां हैं, प्रत्येक छवि को 28 x 28 पिक्सेल के रूप में दर्शाया गया है:

train_images.shape
(60000, 28, 28)

इसी तरह, प्रशिक्षण सेट में 60,000 लेबल हैं:

len(train_labels)
60000

प्रत्येक लेबल 0 और 9 के बीच पूर्णांक है:

train_labels
array([9, 0, 0, ..., 3, 0, 5], dtype=uint8)

परीक्षण सेट में 10,000 छवियां हैं। फिर से, प्रत्येक छवि को 28 x 28 पिक्सेल के रूप में दर्शाया गया है:

test_images.shape
(10000, 28, 28)

और परीक्षण सेट में 10,000 चित्र लेबल शामिल हैं:

len(test_labels)
10000

डेटा को प्रीप्रोसेस करें

नेटवर्क को प्रशिक्षित करने से पहले डेटा को प्रीप्रोसेस किया जाना चाहिए। यदि आप प्रशिक्षण सेट में पहली छवि का निरीक्षण करते हैं, तो आप देखेंगे कि पिक्सेल मान 0 से 255 की सीमा में आते हैं:

plt.figure()
plt.imshow(train_images[0])
plt.colorbar()
plt.grid(False)
plt.show()

पींग

तंत्रिका नेटवर्क मॉडल को खिलाने से पहले इन मानों को 0 से 1 की सीमा तक स्केल करें। ऐसा करने के लिए, मानों को 255 से विभाजित करें। यह महत्वपूर्ण है कि प्रशिक्षण सेट और परीक्षण सेट को एक ही तरह से प्रीप्रोसेस किया जाए:

train_images = train_images / 255.0

test_images = test_images / 255.0

यह सत्यापित करने के लिए कि डेटा सही प्रारूप में है और आप नेटवर्क बनाने और प्रशिक्षित करने के लिए तैयार हैं, आइए प्रशिक्षण सेट से पहले 25 चित्र प्रदर्शित करें और प्रत्येक छवि के नीचे वर्ग का नाम प्रदर्शित करें।

plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(train_images[i], cmap=plt.cm.binary)
    plt.xlabel(class_names[train_labels[i]])
plt.show()

पींग

मॉडल बनाएं

तंत्रिका नेटवर्क के निर्माण के लिए मॉडल की परतों को कॉन्फ़िगर करना आवश्यक है, फिर मॉडल को संकलित करना।

परतें सेट करें

एक तंत्रिका नेटवर्क का मूल बिल्डिंग ब्लॉक परत है । परतें उनमें खिलाए गए डेटा से अभ्यावेदन निकालती हैं। उम्मीद है, ये प्रतिनिधित्व हाथ में समस्या के लिए सार्थक हैं।

अधिकांश गहरी शिक्षा में सरल परतों को एक साथ जोड़ना शामिल है। अधिकांश परतों, जैसे कि tf.keras.layers.Dense , में ऐसे पैरामीटर हैं जो प्रशिक्षण के दौरान सीखे जाते हैं।

model = tf.keras.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dense(10)
])

इस नेटवर्क में पहली परत, tf.keras.layers.Flatten , छवियों के प्रारूप को दो-आयामी सरणी (28 का 28 पिक्सेल) से एक आयामी आयाम (28 * 28 = 784 पिक्सेल का) में बदल देती है। इस लेयर को इमेज में पिक्सल्स की अनस्टैकिंग रो और उन्हें लाइनिंग के रूप में सोचें। इस परत में सीखने के लिए कोई पैरामीटर नहीं है; यह केवल डेटा को सुधारता है।

पिक्सेल के समतल हो जाने के बाद, नेटवर्क में दो tf.keras.layers.Dense लेयर्स का क्रम होता है। ये घनीभूत रूप से जुड़े हुए हैं, या पूरी तरह से जुड़े हुए हैं, तंत्रिका परतें हैं। पहली Dense परत में 128 नोड्स (या न्यूरॉन्स) हैं। दूसरी (और आखिरी) परत 10 की लंबाई के साथ एक लॉगिट सरणी देता है। प्रत्येक नोड में एक स्कोर होता है जो इंगित करता है कि वर्तमान छवि 10 वर्गों में से एक से संबंधित है।

मॉडल संकलित करें

इससे पहले कि मॉडल प्रशिक्षण के लिए तैयार हो, उसे कुछ और सेटिंग्स की आवश्यकता होती है। ये मॉडल संकलन चरण के दौरान जोड़े गए हैं:

  • हानि कार्य — यह मापता है कि प्रशिक्षण के दौरान मॉडल कितना सही है। आप मॉडल को सही दिशा में "चलाने" के लिए इस फ़ंक्शन को छोटा करना चाहते हैं।
  • ऑप्टिमाइज़र — इस तरह से मॉडल को देखे जाने वाले डेटा और उसके नुकसान फ़ंक्शन के आधार पर अपडेट किया जाता है।
  • मेट्रिक्स- प्रशिक्षण और परीक्षण चरणों की निगरानी के लिए। निम्न उदाहरण सटीकता का उपयोग करता है , छवियों का अंश जो सही ढंग से वर्गीकृत किया गया है।
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

मॉडल को प्रशिक्षित करें

तंत्रिका नेटवर्क मॉडल के प्रशिक्षण के लिए निम्नलिखित चरणों की आवश्यकता होती है:

  1. मॉडल को प्रशिक्षण डेटा खिलाएं। इस उदाहरण में, प्रशिक्षण डेटा train_images और train_labels सरणियों में है।
  2. मॉडल छवियों और लेबल को जोड़ना सीखता है।
  3. आप मॉडल से परीक्षण सेट के बारे में भविष्यवाणियां करने के लिए कहते हैं- इस उदाहरण में, test_images सरणी।
  4. सत्यापित करें कि भविष्यवाणियां test_labels सरणी के लेबल से मेल खाती हैं।

मॉडल को खिलाओ

प्रशिक्षण शुरू करने के लिए, model.fit मेथड को कॉल करें—तथाकथित क्योंकि यह मॉडल को प्रशिक्षण डेटा के लिए "फिट" करती है:

model.fit(train_images, train_labels, epochs=10)
Epoch 1/10
1875/1875 [==============================] - 3s 1ms/step - loss: 0.6278 - accuracy: 0.7812
Epoch 2/10
1875/1875 [==============================] - 3s 1ms/step - loss: 0.3862 - accuracy: 0.8595
Epoch 3/10
1875/1875 [==============================] - 3s 1ms/step - loss: 0.3487 - accuracy: 0.8720
Epoch 4/10
1875/1875 [==============================] - 3s 1ms/step - loss: 0.3150 - accuracy: 0.8836
Epoch 5/10
1875/1875 [==============================] - 3s 1ms/step - loss: 0.2983 - accuracy: 0.8906
Epoch 6/10
1875/1875 [==============================] - 3s 1ms/step - loss: 0.2813 - accuracy: 0.8975
Epoch 7/10
1875/1875 [==============================] - 3s 1ms/step - loss: 0.2658 - accuracy: 0.9008
Epoch 8/10
1875/1875 [==============================] - 3s 1ms/step - loss: 0.2567 - accuracy: 0.9059
Epoch 9/10
1875/1875 [==============================] - 3s 1ms/step - loss: 0.2385 - accuracy: 0.9096
Epoch 10/10
1875/1875 [==============================] - 3s 1ms/step - loss: 0.2367 - accuracy: 0.9108
<tensorflow.python.keras.callbacks.History at 0x7f9de07cb0b8>

मॉडल ट्रेनों के रूप में, नुकसान और सटीकता मीट्रिक प्रदर्शित किए जाते हैं। यह मॉडल प्रशिक्षण डेटा पर लगभग 0.91 (या 91%) की सटीकता तक पहुंचता है।

सटीकता का मूल्यांकन करें

अगला, तुलना करें कि मॉडल परीक्षण डेटासेट पर कैसा प्रदर्शन करता है:

test_loss, test_acc = model.evaluate(test_images,  test_labels, verbose=2)

print('\nTest accuracy:', test_acc)
313/313 - 0s - loss: 0.3547 - accuracy: 0.8761

Test accuracy: 0.8761000037193298

यह पता चला है कि परीक्षण डाटासेट पर सटीकता प्रशिक्षण डाटासेट पर सटीकता से थोड़ा कम है। प्रशिक्षण सटीकता और परीक्षण सटीकता के बीच यह अंतर ओवरफिटिंग का प्रतिनिधित्व करता है । ओवरफिटिंग तब होता है जब एक मशीन लर्निंग मॉडल नए पर बदतर प्रदर्शन करता है, पहले की तुलना में अनदेखी इनपुट प्रशिक्षण डेटा पर होता है। एक ओवरफिटेड मॉडल प्रशिक्षण डाटासेट में शोर और विवरणों को "याद" करता है, जहां यह नए डेटा पर मॉडल के प्रदर्शन को नकारात्मक रूप से प्रभावित करता है। अधिक जानकारी के लिए, निम्नलिखित देखें:

अंदाजा लगाओ

प्रशिक्षित मॉडल के साथ, आप इसका उपयोग कुछ छवियों के बारे में भविष्यवाणियां करने के लिए कर सकते हैं। मॉडल का रैखिक आउटपुट, लॉग करता है । लॉग्स को संभाव्यता में बदलने के लिए सॉफ्टमैक्स परत संलग्न करें, जिसकी व्याख्या करना आसान है।

probability_model = tf.keras.Sequential([model, 
                                         tf.keras.layers.Softmax()])
predictions = probability_model.predict(test_images)

यहां, मॉडल ने परीक्षण सेट में प्रत्येक छवि के लिए लेबल की भविष्यवाणी की है। आइए एक नजर डालते हैं पहली भविष्यवाणी पर:

predictions[0]
array([1.2012765e-07, 5.3020085e-11, 3.2435774e-10, 6.8114465e-11,
       8.4152178e-11, 8.6389598e-05, 2.2522106e-09, 1.4491959e-03,
       4.0859813e-09, 9.9846435e-01], dtype=float32)

एक भविष्यवाणी 10 संख्याओं की एक सरणी है। वे मॉडल के "आत्मविश्वास" का प्रतिनिधित्व करते हैं कि छवि कपड़ों के 10 अलग-अलग लेखों में से प्रत्येक से मेल खाती है। आप देख सकते हैं कि किस लेबल में सबसे अधिक विश्वास मूल्य है:

np.argmax(predictions[0])
9

इसलिए, मॉडल सबसे अधिक आश्वस्त है कि यह छवि टखने का बूट है, या class_names[9] । परीक्षण लेबल की जाँच से पता चलता है कि यह वर्गीकरण सही है:

test_labels[0]
9

10 कक्षा की भविष्यवाणियों के पूर्ण सेट को देखने के लिए इसे ग्राफ़ करें।

def plot_image(i, predictions_array, true_label, img):
  true_label, img = true_label[i], img[i]
  plt.grid(False)
  plt.xticks([])
  plt.yticks([])

  plt.imshow(img, cmap=plt.cm.binary)

  predicted_label = np.argmax(predictions_array)
  if predicted_label == true_label:
    color = 'blue'
  else:
    color = 'red'

  plt.xlabel("{} {:2.0f}% ({})".format(class_names[predicted_label],
                                100*np.max(predictions_array),
                                class_names[true_label]),
                                color=color)

def plot_value_array(i, predictions_array, true_label):
  true_label = true_label[i]
  plt.grid(False)
  plt.xticks(range(10))
  plt.yticks([])
  thisplot = plt.bar(range(10), predictions_array, color="#777777")
  plt.ylim([0, 1])
  predicted_label = np.argmax(predictions_array)

  thisplot[predicted_label].set_color('red')
  thisplot[true_label].set_color('blue')

भविष्यवाणियों को सत्यापित करें

प्रशिक्षित मॉडल के साथ, आप इसका उपयोग कुछ छवियों के बारे में भविष्यवाणियां करने के लिए कर सकते हैं।

आइए 0 की छवि, भविष्यवाणियों और भविष्यवाणी सरणी को देखें। सही भविष्यवाणी लेबल नीले हैं और गलत भविष्यवाणी लेबल लाल हैं। संख्या अनुमानित लेबल के लिए प्रतिशत (100 में से) देती है।

i = 0
plt.figure(figsize=(6,3))
plt.subplot(1,2,1)
plot_image(i, predictions[i], test_labels, test_images)
plt.subplot(1,2,2)
plot_value_array(i, predictions[i],  test_labels)
plt.show()

पींग

0014701 सी 70

पींग

आइए उनकी भविष्यवाणियों के साथ कई छवियों को प्लॉट करें। ध्यान दें कि बहुत आत्मविश्वास होने पर भी मॉडल गलत हो सकता है।

# Plot the first X test images, their predicted labels, and the true labels.
# Color correct predictions in blue and incorrect predictions in red.
num_rows = 5
num_cols = 3
num_images = num_rows*num_cols
plt.figure(figsize=(2*2*num_cols, 2*num_rows))
for i in range(num_images):
  plt.subplot(num_rows, 2*num_cols, 2*i+1)
  plot_image(i, predictions[i], test_labels, test_images)
  plt.subplot(num_rows, 2*num_cols, 2*i+2)
  plot_value_array(i, predictions[i], test_labels)
plt.tight_layout()
plt.show()

पींग

प्रशिक्षित मॉडल का उपयोग करें

अंत में, एकल छवि के बारे में भविष्यवाणी करने के लिए प्रशिक्षित मॉडल का उपयोग करें।

# Grab an image from the test dataset.
img = test_images[1]

print(img.shape)
(28, 28)

tf.keras मॉडल एक बैच , या संग्रह, एक ही बार के उदाहरणों पर पूर्वानुमान बनाने के लिए अनुकूलित हैं। तदनुसार, भले ही आप एकल छवि का उपयोग कर रहे हों, आपको इसे एक सूची में जोड़ना होगा:

# Add the image to a batch where it's the only member.
img = (np.expand_dims(img,0))

print(img.shape)
(1, 28, 28)

अब इस छवि के लिए सही लेबल की भविष्यवाणी करें:

predictions_single = probability_model.predict(img)

print(predictions_single)
[[5.9622369e-04 4.4912915e-12 9.9706572e-01 3.1242684e-09 1.1509876e-03
  4.7866642e-13 1.1870833e-03 3.2586661e-17 1.0648579e-09 1.5709595e-13]]
plot_value_array(1, predictions_single[0], test_labels)
_ = plt.xticks(range(10), class_names, rotation=45)

पींग

tf.keras.Model.predict डेटा के बैच में प्रत्येक छवि के लिए सूचियों की एक सूची देता है। बैच में हमारी (केवल) छवि के लिए भविष्यवाणियों को पकड़ो:

0aa4662e0
2

और मॉडल एक लेबल की उम्मीद के अनुसार भविष्यवाणी करता है।

# MIT License
#
# Copyright (c) 2017 François Chollet
#
# Permission is hereby granted, free of charge, to any person obtaining a
# copy of this software and associated documentation files (the "Software"),
# to deal in the Software without restriction, including without limitation
# the rights to use, copy, modify, merge, publish, distribute, sublicense,
# and/or sell copies of the Software, and to permit persons to whom the
# Software is furnished to do so, subject to the following conditions:
#
# The above copyright notice and this permission notice shall be included in
# all copies or substantial portions of the Software.
#
# THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
# IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
# FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL
# THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
# LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING
# FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER
# DEALINGS IN THE SOFTWARE.