पुस्तक "डीप लर्निंग ऑन आर"

डीप लर्निंग मशीन लर्निंग एल्गोरिदम का एक सेट है जो कई गैर-रेखीय परिवर्तनों से युक्त आर्किटेक्चर का उपयोग करके डेटा में उच्च-स्तरीय अमूर्त मॉडल करता है। सहमत, यह वाक्यांश धमकी भरा लगता है। लेकिन सब कुछ इतना डरावना नहीं है अगर फ्रेंकोइस शॉले, जिन्होंने न्यूरल नेटवर्क के साथ काम करने के लिए सबसे शक्तिशाली पुस्तकालय केर को बनाया, गहरी सीखने के बारे में बात करता है। विस्तृत क्षेत्रों से व्यावहारिक उदाहरणों के साथ गहन सीखने का अनुभव करें। पुस्तक को दो भागों में विभाजित किया गया है, पहले को सैद्धांतिक नींव दी गई है, दूसरा विशिष्ट समस्याओं को हल करने के लिए समर्पित है। यह आपको न केवल डीएल की मूल बातें समझने की अनुमति देगा, बल्कि यह भी सीखेगा कि व्यवहार में नए अवसरों का उपयोग कैसे करें। यह पुस्तक आर प्रोग्रामिंग में एक अनुभव वाले लोगों के लिए लिखी गई है, जो जल्दी से अभ्यास में गहन सीखने के साथ परिचित होना चाहते हैं, और फ्रेंकोइस शोल, "दीप लर्निंग इन पायथन" द्वारा सबसे अधिक बिकने वाली पुस्तक की व्यवस्था है, लेकिन केरस के लिए आर इंटरफ़ेस पर आधारित उदाहरणों का उपयोग करते हुए।

इस पुस्तक के बारे में

"डीप लर्निंग ऑन आर" पुस्तक को सांख्यिकीविदों, विश्लेषकों, इंजीनियरों और छात्रों को संबोधित किया जाता है जिनके पास आर में प्रोग्रामिंग कौशल है, लेकिन मशीन और गहन सीखने के क्षेत्र में महत्वपूर्ण ज्ञान नहीं है। यह पुस्तक एक पिछली पुस्तक, डीप लर्निंग इन पाइथन का संशोधित संस्करण है, जिसमें ऐसे उदाहरण शामिल हैं जो केर के लिए आर इंटरफ़ेस का उपयोग करते हैं। इस पुस्तक का उद्देश्य आर समुदाय को एक गाइड देना है जिसमें आपकी ज़रूरत की हर चीज़ शामिल है, जिसमें मूल सिद्धांत से लेकर उन्नत व्यावहारिक अनुप्रयोग शामिल हैं। आप विस्तृत टिप्पणियों, व्यावहारिक सिफारिशों और विशिष्ट समस्याओं को हल करने में गहरी सीखने का उपयोग करने के लिए आपको जो कुछ भी जानने की आवश्यकता है, उसकी सरल सामान्यीकृत व्याख्या के साथ प्रोग्राम कोड के 30 से अधिक उदाहरण देखेंगे।

उदाहरण एक आंतरिक तंत्र के रूप में केरस डीप लर्निंग फ्रेमवर्क और टेन्सरफ्लो लाइब्रेरी का उपयोग करते हैं। केरस सबसे लोकप्रिय और सबसे तेजी से बढ़ते गहरे शिक्षण ढाँचों में से एक है। इसे अक्सर शुरुआती लोगों के लिए गहन सीखने के लिए सबसे सफल उपकरण के रूप में अनुशंसित किया जाता है। इस पुस्तक को पढ़ने के बाद, आप समझेंगे कि गहरी सीखने की प्रक्रिया क्या है, यह जानने के लिए कि यह तकनीक किन समस्याओं में शामिल हो सकती है और इसकी क्या सीमाएँ हैं। आप मशीन सीखने की समस्याओं की व्याख्या करने और हल करने की मानक प्रक्रिया और सामान्य समस्याओं से निपटने के तरीके के बारे में जानेंगे। आप सीखेंगे कि पैटर्न की मान्यता से लेकर प्राकृतिक भाषा प्रसंस्करण तक व्यावहारिक समस्याओं को हल करने के लिए केर का उपयोग कैसे करें: छवि वर्गीकरण, समय अनुक्रम भविष्यवाणी, भावना विश्लेषण और छवि और पाठ पीढ़ी और भी बहुत कुछ।

अंश। 5.4.1। इंटरमीडिएट सक्रियण विज़ुअलाइज़ेशन

मध्यवर्ती सक्रियणों के विज़ुअलाइज़ेशन में कुछ इनपुट डेटा (स्तर का आउटपुट, सक्रियण फ़ंक्शन के परिणाम, जिसे अक्सर इसकी सक्रियता कहा जाता है) का परिणाम के जवाब में नेटवर्क में विभिन्न विभक्ति और संयोजन स्तरों द्वारा प्रदर्शित किए जाने वाले फ़ीचर मैप प्रदर्शित होते हैं। यह तकनीक आपको यह देखने की अनुमति देती है कि सीखने की प्रक्रिया में नेटवर्क द्वारा प्राप्त विभिन्न फिल्टर में इनपुट डेटा कैसे विघटित होता है। आमतौर पर, विज़ुअलाइज़ेशन के लिए तीन आयामों वाले फीचर मैप्स का उपयोग किया जाता है: चौड़ाई, ऊंचाई और गहराई (रंग चैनल)। चैनल अपेक्षाकृत स्वतंत्र विशेषताओं को एनकोड करते हैं, इसलिए, इन फीचर मैप्स की कल्पना करने के लिए, प्रत्येक चैनल के लिए दो-आयामी छवियां अलग से बनाना बेहतर होता है। हम खंड 5.2 में संग्रहीत मॉडल को लोड करके शुरू करते हैं:

> library(keras) > model <- load_model_hdf5("cats_and_dogs_small_2.h5") > model________________________________________________________________ Layer (type) Output Shape Param # ============================================================== conv2d_5 (Conv2D) (None, 148, 148, 32) 896 ________________________________________________________________ maxpooling2d_5 (MaxPooling2D) (None, 74, 74, 32) 0 ________________________________________________________________ conv2d_6 (Conv2D) (None, 72, 72, 64) 18496 ________________________________________________________________ maxpooling2d_6 (MaxPooling2D) (None, 36, 36, 64) 0 ________________________________________________________________ conv2d_7 (Conv2D) (None, 34, 34, 128) 73856 ________________________________________________________________ maxpooling2d_7 (MaxPooling2D) (None, 17, 17, 128) 0 ________________________________________________________________ conv2d_8 (Conv2D) (None, 15, 15, 128) 147584 ________________________________________________________________ maxpooling2d_8 (MaxPooling2D) (None, 7, 7, 128) 0 ________________________________________________________________ flatten_2 (Flatten) (None, 6272) 0 ________________________________________________________________ dropout_1 (Dropout) (None, 6272) 0 ________________________________________________________________ dense_3 (Dense) (None, 512) 3211776 ________________________________________________________________ dense_4 (Dense) (None, 1) 513 ================================================================ Total params: 3,453,121 Trainable params: 3,453,121 Non-trainable params: 0 

अगला, एक बिल्ली की इनपुट छवि चुनें जो प्रशिक्षण सेट का हिस्सा नहीं है।


लिस्टिंग 5.25। परीक्षण छवि प्रदर्शन

 plot(as.raster(img_tensor[1,,,])) 

कल्पना किए जाने वाले फ़ीचर मैप निकालने के लिए, एक ऐसा केरेस मॉडल बनाएं जो इमेज पैकेट्स को स्वीकार करे और सभी कंफर्टेबल और कॉम्बिनेशन लेवल के एक्टिवेशन को प्रदर्शित करे। ऐसा करने के लिए, हम केरस फ्रेमवर्क से keras_model फ़ंक्शन का उपयोग करते हैं, जिसमें दो तर्क होते हैं: इनपुट टेंसर (या इनपुट टेंसरों की सूची) और आउटपुट टेंसर (या आउटपुट टेंसरों की सूची)। इसका परिणाम केरस मॉडल ऑब्जेक्ट के समान होगा, जो कि keras_fterential_model () फ़ंक्शन द्वारा लौटाए गए फ़ंक्शन के साथ है जो आप पहले से परिचित हैं; इस मॉडल के नक्शे दिए गए आउटपुट को इनपुट देते हैं। फ़ीचर मॉडल
यह प्रकार कई आउटपुट वाले मॉडल बनाने की क्षमता है (जैसा कि keras_fterential_model () के विपरीत)। Keras_model फ़ंक्शन को अनुभाग 7.1 में अधिक विस्तार से चर्चा की गई है।



यदि आप इस मॉडल के लिए एक छवि पास करते हैं, तो यह मूल मॉडल में परत सक्रियण मान लौटाएगा। इस पुस्तक में कई आउटपुट वाले मॉडल का यह पहला उदाहरण है: अब तक, ऊपर प्रस्तुत सभी मॉडलों में एक इनपुट और एक आउटपुट है। सामान्य तौर पर, एक मॉडल में किसी भी संख्या में इनपुट और आउटपुट हो सकते हैं। विशेष रूप से, इस मॉडल में एक इनपुट और आठ आउटपुट हैं: प्रत्येक स्तर के सक्रियण के लिए एक।


उदाहरण के लिए एक बिल्ली की इनपुट छवि के लिए पहली दृढ़ परत की सक्रियता लें:

 > first_layer_activation <- activations[[1]] > dim(first_layer_activation) [1] 1 148 148 32 

यह 32 चैनलों के साथ 148 × 148 का एक फीचर मैप है। आइए उनमें से कुछ को प्रदर्शित करने का प्रयास करें। सबसे पहले, हम चैनल को विज़ुअलाइज़ करने के लिए एक फंक्शन को परिभाषित करते हैं।

लिस्टिंग 5.28। चैनल विज़ुअलाइज़ेशन फ़ंक्शन

 plot_channel <- function(channel) { rotate <- function(x) t(apply(x, 2, rev)) image(rotate(channel), axes = FALSE, asp = 1, col = terrain.colors(12)) } 

अब हम मूल मॉडल (छवि। 5.18) के पहले स्तर की सक्रियता का दूसरा चैनल प्रदर्शित करेंगे। यह चैनल लूप डिटेक्टर का प्रतिनिधित्व करता है।
लिस्टिंग 5.29। चैनल 2 दृश्य

 plot_channel(first_layer_activation[1,,,2]) 

अब सातवें चैनल (छवि 5.19) पर एक नज़र डालते हैं, लेकिन ध्यान रखें कि आपके चैनल अलग-अलग हो सकते हैं, क्योंकि विशिष्ट फ़िल्टर सीखना एक नियतात्मक ऑपरेशन नहीं है। यह चैनल थोड़ा अलग है और ऐसा लगता है कि यह बिल्ली के परितारिका को उजागर करता है।
लिस्टिंग 5.30। चैनल 7 दृश्य

 plot_channel(first_layer_activation[1,,,7]) 

अब हम नेटवर्क पर सभी सक्रियणों की पूरी दृश्यता बनाएंगे (सूचीकरण 5.31)। ऐसा करने के लिए, सभी आठ सक्रियण मानचित्रों में प्रत्येक चैनल को निकालें और प्रदर्शित करें, परिणामों को छवियों (छवि 5.20–5.23) के साथ एक बड़े टेंसर में रखें।

लिस्टिंग 5.31। सभी मध्यवर्ती सक्रियणों के लिए सभी चैनलों का विज़ुअलाइज़ेशन

 image_size <- 58 images_per_row <- 16 for (i in 1:8) { layer_activation <- activations[[i]] layer_name <- model$layers[[i]]$name n_features <- dim(layer_activation)[[4]] n_cols <- n_features %/% images_per_row png(paste0("cat_activations_", i, "_", layer_name, ".png"), width = image_size * images_per_row, height = image_size * n_cols) op <- par(mfrow = c(n_cols, images_per_row), mai = rep_len(0.02, 4)) for (col in 0:(n_cols-1)) { for (row in 0:(images_per_row-1)) { channel_image <- layer_activation[1,,,(col*images_per_row) + row + 1] plot_channel(channel_image) } } par(op) dev.off() } 

यहां परिणामों पर कुछ टिप्पणियां दी गई हैं।

• पहली परत विभिन्न लूप डिटेक्टरों के संग्रह के रूप में कार्य करती है। इस स्तर पर, सक्रियण मूल छवि में उपलब्ध लगभग सभी जानकारी को बचाता है।
• जैसे-जैसे आप सक्रियण परतों को आगे बढ़ाते हैं, वे अधिक सार होते जाते हैं, और उनकी दृश्य व्याख्या अधिक जटिल होती जाती है। वे उच्च-स्तरीय अवधारणाओं जैसे "बिल्ली के कान" या "बिल्ली की आंख" को कोड करना शुरू करते हैं। उच्च-स्तरीय अभ्यावेदन मूल छवि के बारे में कम और कम जानकारी रखते हैं और छवि के वर्ग के बारे में अधिक से अधिक।
• सक्रियता की विरलता परत की गहराई के साथ बढ़ती है: पहली परत में, सभी फ़िल्टर मूल छवि द्वारा सक्रिय होते हैं, लेकिन बाद की परतों में अधिक से अधिक खाली फिल्टर होते हैं। इसका मतलब है कि फ़िल्टर से मेल खाने वाला पैटर्न मूल छवि में नहीं मिला है।

हमने गहरे तंत्रिका नेटवर्क द्वारा बनाए गए अभ्यावेदन की एक महत्वपूर्ण सार्वभौमिक विशेषता की जांच की है: परतों द्वारा निकाली गई विशेषताएं परत की गहराई के साथ अधिक सार हो जाती हैं। ऊपरी परतों पर सक्रियण में एक विशेष इनपुट छवि के बारे में कम और कम जानकारी होती है, और लक्ष्य के बारे में अधिक से अधिक (इस मामले में, छवि वर्ग एक बिल्ली या कुत्ता है)। एक गहन तंत्रिका नेटवर्क वास्तव में सफाई की जानकारी के लिए एक पाइपलाइन के रूप में कार्य करता है, जो कच्चे डेटा (इस मामले में, आरजीबी प्रारूप में चित्र) प्राप्त करता है और कई परिवर्तनों से गुजरता है, अनावश्यक जानकारी को फ़िल्टर करता है (उदाहरण के लिए, छवि की विशिष्ट उपस्थिति) और सही एक को छोड़ना और साफ करना (उदाहरण के लिए, एक वर्ग छवि)।

लगभग उसी तरह से, लोग और जानवर अपने आस-पास की दुनिया को महसूस करते हैं: कई सेकंड के लिए दृश्य का अवलोकन करने के बाद, एक व्यक्ति को यह याद रहता है कि उसमें कौन सी अमूर्त वस्तुएं (एक साइकिल, एक पेड़) मौजूद हैं, लेकिन इन वस्तुओं की उपस्थिति के सभी विवरणों को याद नहीं है। वास्तव में, जब मेमोरी से साइकिल खींचने की कोशिश कर रहे हैं, तो सबसे अधिक संभावना है कि आप अधिक या कम सही छवि प्राप्त नहीं कर पाएंगे, भले ही आप हजारों बार बाइक देख सकें (चित्र। 5.24 में उदाहरण देखें)। इसे अभी करने का प्रयास करें, और जो कहा गया है, उसकी सच्चाई से आप आश्वस्त हो जाएंगे। आपके मस्तिष्क ने इनपुट पर प्राप्त दृश्य छवि को पूरी तरह से अमूर्त करना सीख लिया है और महत्वहीन दृश्य विवरणों को फ़िल्टर करते हुए इसे उच्च-स्तरीय दृश्य अवधारणाओं में परिवर्तित कर दिया है, जिससे उन्हें याद रखना मुश्किल हो जाता है।



»पुस्तक की अधिक जानकारी प्रकाशक की वेबसाइट पर पाई जा सकती है
» सामग्री
» अंश

फेरीवालों के लिए कूपन पर 20% की छूट - R के साथ डीप लर्निंग