Réseau de neurones convolutifs avec tensorflow / keras (Python)

Définition et mise en œuvre d’un réseau de neurones convolutifs (cnn / convnet - convolutional neural network) pour le classement d’images via le tandem de librairies de deep learning tensorflow / keras. Mise en parallèle des - exactement - mêmes traitements effectués à l’aide de PyTorch. Base exemple des figures « Pokémon ». Importation et préparation de la base étiquetée d’apprentissage. Architecture du CNN (convolutional neural network) : les couches de traitements convolutifs vs. les couches de perceptron. Choix de la fonction de perte (crossentropy) et de l’algorithme d’optimisation (adam). Organisation et exécution de l’entraînement du modèle. Application du modèle sur une base de test. Mesure des performances.
Notebook et données : tutoriels-data-...
Vidéo avec PyTorch : • Réseau de neurones con...
Page de cours : cours-machine-...
00:00 Tensorflow - Keras pour le deep learning
04:36 Classement des figures "Pokémon"
08:44 Démarrage du notebook - Vérification des versions
09:39 Chargement, inspection et affichage d'une image
12:00 Parser les images étiquetées d'un dossier (TRAIN)
14:37 Accès aux images et étiquettes de l'itérateur
19:50 Définition de l'architecture du réseau de neurones convolutifs
26:05 Fonction de perte et algorithme d'optimisation
27:50 Entraînement du modèle avec fit()
29:18 Classement sur une image supplémentaire
30:36 Parser les images TEST
31:56 Prédiction en test et calcul de l'accuracy