|
RELU bu qiymatlarni odatda [0,1] yoki [-1,1] diapazoniga siqib chiqaradigan faollashtirish funksiyasi.
Softmax
|
| bet | 93/182 | | Sana | 19.05.2024 | | Hajmi | 5,69 Mb. | | #244351 |
Bog'liq Python sun\'iy intellekt texnologiyasi Dasrlik 2024RELU bu qiymatlarni odatda [0,1] yoki [-1,1] diapazoniga siqib chiqaradigan faollashtirish funksiyasi.
Softmax bu bizga kiritilgan ma’lumotlarni diskret ehtimollik taqsimoti sifatida ifodalash imkonini beruvchi ehtimollik funksiyasi.
Amalga oshirish
Amalga oshirish quyidagi bosqichlardan iborat bo‘ladi:
Trening ma’lumotlarini yig’ish.
Ma’lumotlarni belgilang va HDF5 fayl formatida saqlang.
CNN yordamida modelni o‘rgating.
Trening ma’lumotlarini yig’ish
Bu qidirayotgan rasmlarni topish uchun Google rasm qidiruvidan foydalanamiz. Ushbu qidiruv natijalari havolalarini to‘playdigan javasript funksiyasini yozaylik.
Google tasvir qidiruvida rasmlarni qidiring, keyin brauzeringizdagi javascript konsolida quyidagi skriptni ishga tushiring. Bu barcha rasmlarning havolalarini urls.txt nomli matn faylida saqlaydi.
// Qidiruv natijasi paydo bo‘lgandan so‘ng, jQuery-ni JavaScript konsoliga bajaring
var script = document.createElement('script’);
script.src = "https://ajax.googleapis.com/ajax/libs/jquery/2.2.0/jquery.min.js";
document.getElementsByTagName('head')[0].appendChild(script);
// grab the URLs
var urls = $('.rg_di .rg_meta’).map(function() { return JSON.parse($(this).text()).ou; });
// write the URls to file (one per line)
var textToSave = urls.toArray().join('\n’);
var hiddenElement = document.createElement('a’);
hiddenElement.href = 'data:attachment/text,' + encodeURI(textToSave);
hiddenElement.target = '_blank';
hiddenElement.download = 'urls.txt’;
hiddenElement.click();
Barcha rasmlarni mahalliy diskda saqlash uchun quyidagi python skriptini bajaring, uning havolalari urls.txt da to‘plangan. Tasvirlarni katalogga saqlash uchun biz pythonning request modulidan foydalanamiz.
Quyidagi CMD qator variantlari bilan skriptni ishga tushiring. urls=
output=
.
from imutils import paths
import argparse
import requests
import cv2
import os # argumentni tahlil qiling va argumentlarni tahlil qiling
ap = argparse.ArgumentParser()
ap.add_argument("--urls", required=True,
help=" rasm URL manzillarini o‘z ichiga olgan faylga yo‘l ")
ap.add_argument("--output", required=True,
help=" rasmlarning chiqish katalogiga yo‘l ")
args = vars(ap.parse_args())
# kirish faylidan URL-lar ro‘yxatini oling, so‘ngra boshlang
# hozirgacha yuklab olingan rasmlarning umumiy soni
rows = open(args["urls"]).read().strip().split("\n")
total = 0 # URL manzillarini aylantiring
for url in rows:
try: # rasmni yuklab olishga harakat qiling
r = requests.get(url, timeout=60) # rasmni diskka saqlang
p = os.path.sep.join([args["output"], "{}.jpg".format(
str(total).zfill(8))])
f = open(p, "wb")
f.write(r.content)
f.close() # hisoblagichni yangilang
print("[INFO] downloaded: {}".format(p))
total += 1 # yuklab olish jarayonida istisnolar tashlansa, ishlov bering
except:
print("[INFO] error downloading {}...skipping".format(p))
# biz hozirgina yuklab olgan rasm yo‘llarini aylantiring
for imagePath in paths.list_images(args["output"]):
# agar rasm o‘chirilishi yoki o‘chirilmasligi kerak bo‘lsa, boshlang
delete = False # rasmni yuklashga harakat qiling
try:
image = cv2.imread(imagePath) # agar rasm 'yo‘q' bo‘lsa, biz uni to‘g’ri yuklay olmadik
# diskdan, shuning uchun uni o‘chiring
if image is None:
delete = True # Agar OpenCV rasmni yuklay olmasa, unda rasm bo‘lishi mumkin# buzuq, shuning uchun uni o‘chirishimiz kerak
except:
print("Except")
delete = True # rasm o‘chirilishi kerakligini tekshiring
if delete:
print("[INFO] deleting {}".format(imagePath))
os.remove(imagePath)
Xulosa
Python-ning tasvir va videoni qayta ishlash va tahlil qilish dasturlarini ishlab chiqishdagi rolini o‘rganish natijasida biz ushbu dasturlash tili kompyuterni ko‘rish sohasida kuchli va samarali echimlarni yaratishda muhim rol o‘ynashini aniqladik. Python multimedia ma’lumotlarini qayta ishlash jarayonini soddalashtiradigan keng ko‘lamli kutubxonalarni taqdim etadi.
OpenCV va TensorFlow kabi kutubxonalar bilan tanishish ishlab chiquvchilarga sun’iy intellektning yuqori darajadagi xususiyatlari va imkoniyatlaridan foydalangan holda murakkab tasvir va video ishlov berish tizimlarini yaratishga imkon beradi. OpenCV tasvirni qayta ishlash va tahlil qilish uchun ko‘plab vositalarni taqdim etadi, TensorFlow esa ob’ektlarni tanib olish uchun mashinali o‘qitish modellarini yaratish va o‘qitish vositalarini taqdim etadi.
Shunday qilib, Python-dan sun’iy intellekt kutubxonalari bilan birgalikda foydalanish ishlab chiquvchilar uchun multimedia ma’lumotlarini qayta ishlash muammolarini samarali hal qila oladigan innovatsion dasturlarni yaratishda keng istiqbollarni ochib beradi.
|
| |
