JavaScript для глубокого обучения 2021 TensorFlow js Ббк



Download 30,75 Mb.
Pdf ko'rish
bet159/457
Sana27.03.2022
Hajmi30,75 Mb.
#513488
1   ...   155   156   157   158   159   160   161   162   ...   457
Bog'liq
Цэй Ш., Байлесчи С., и др. - JаvaScript для глубокого обучения (Библиотека программиста) - 2021


Часть II • Введение в TensorFlow.js
Код создания и компиляции модели мы инкапсулировали в функции 
crea-
teModel()
из файла 
model.ts
(листинг 4.8).
Листинг 4.8.
Сверточная сеть для классификации спектрограмм речевых команд
Топология нашей сверточной сети для аудиоданных во многом схожа со свер­
точной сетью для MNIST. Последовательная модель начинается с нескольких 


Глава 4. Распознавание изображений и звуковых сигналов
183
повторяющихся «мотивов» слоев conv2d в сочетании со слоями maxPooling2d. 
Часть модели, связанная со сверткой­субдискретизацией, заканчивается на слое 
схлопывания, за которым располагается многослойный перцептрон. MLP вклю­
чает два плотных слоя. Функция активации скрытого плотного слоя — ReLU, 
а последнего (выходного) слоя — многомерная логистическая функция актива­
ции, подходящая для задачи классификации. При компиляции модели в качестве 
функции потерь указана 
categoricalCrossentropy
, а во время обучения и оценки 
генерируется метрика безошибочности. Все точно так же, как и в сверточных 
сетях для MNIST, поскольку оба набора данных требуют многоклассовой клас­
сификации. Сверточная сеть для обработки аудиоданных также отличается от 
сети MNIST интересными особенностями. В частности, форма свойств 
kernelSize
слоев conv2d — прямоугольная (например, 
[2,
8]
), а не квадратная, чтобы со­
ответствовать неквадратной форме спектрограмм, измерение частоты которых 
больше, чем временн
ó
е.
Для обучения модели необходимо сначала скачать набор данных речевых команд. 
Он был создан на основе набора данных речевых команд, собранного Питом Уорде­
ном, инженером из команды Google Brain (см. 
https://www.tensorflow.org/tutorials/audio/
simple_audio
), и преобразован в подходящий для браузера формат спектрограмм:
curl -fSsL https://storage.googleapis.com/learnjs-data/speech-commands/
speech-commands-data- v0.02-browser.tar.gz
-o speech-commands-data-v0.02-browser.tar.gz &&
tar xzvf speech-commands-data-v0.02-browser.tar.gz
Эти команды скачивают и извлекают браузерную версию набора данных речевых 
команд. После извлечения данных можно запустить процесс обучения с помощью 
следующей команды:
yarn
yarn train \
speech-commands-data-browser/ \
/tmp/speech-commands-model/
Первый аргумент команды 
yarn
train
указывает на место размещения обуча­
ющих данных. Следующие аргументы задают путь сохранения JSON­файла модели, 
а также файла весов и JSON­файла метаданных. Как и в случае усовершенство­
ванной сверточной сети MNIST, мы обучаем сверточную сеть для аудиоданных 
в tfjs­node, что позволяет использовать GPU. А поскольку размеры набора данных 
и модели намного больше, чем у сверточной сети MNIST, обучение займет больше 
времени (порядка нескольких часов). Процесс можно значительно ускорить при 
наличии поддерживающего CUDA GPU, слегка изменив команду так, чтобы ис­
пользовать tfjs­node­gpu вместо tfjs­node по умолчанию (выполняемого только на 
CPU). Для этого просто добавьте в предыдущую команду флаг 
--gpu
:
yarn train \
--gpu \
speech-commands-data-browser/ \
/tmp/speech-commands-model/


184
Download 30,75 Mb.

Do'stlaringiz bilan baham:
1   ...   155   156   157   158   159   160   161   162   ...   457




Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©hozir.org 2024
ma'muriyatiga murojaat qiling

kiriting | ro'yxatdan o'tish
    Bosh sahifa
юртда тантана
Боғда битган
Бугун юртда
Эшитганлар жилманглар
Эшитмадим деманглар
битган бодомлар
Yangiariq tumani
qitish marakazi
Raqamli texnologiyalar
ilishida muhokamadan
tasdiqqa tavsiya
tavsiya etilgan
iqtisodiyot kafedrasi
steiermarkischen landesregierung
asarlaringizni yuboring
o'zingizning asarlaringizni
Iltimos faqat
faqat o'zingizning
steierm rkischen
landesregierung fachabteilung
rkischen landesregierung
hamshira loyihasi
loyihasi mavsum
faolyatining oqibatlari
asosiy adabiyotlar
fakulteti ahborot
ahborot havfsizligi
havfsizligi kafedrasi
fanidan bo’yicha
fakulteti iqtisodiyot
boshqaruv fakulteti
chiqarishda boshqaruv
ishlab chiqarishda
iqtisodiyot fakultet
multiservis tarmoqlari
fanidan asosiy
Uzbek fanidan
mavzulari potok
asosidagi multiservis
'aliyyil a'ziym
billahil 'aliyyil
illaa billahil
quvvata illaa
falah' deganida
Kompyuter savodxonligi
bo’yicha mustaqil
'alal falah'
Hayya 'alal
'alas soloh
Hayya 'alas
mavsum boyicha


yuklab olish