JavaScript для глубокого обучения 2021 TensorFlow js Ббк

212
Часть II • Введение в TensorFlow.js
Рис. 5.9.
Один из снимков экрана переноса обучения для примера speech-command. В данном 
случае пользователь ввел некий набор слов для переноса обучения: feel, seal, veal и zeal, 
помимо обязательного элемента noise. Кроме того, пользователь собрал по 20 примеров данных 
для каждой категории слов и шума
Как это обычно бывает в задачах машинного обучения, чем больше данных 
удалось собрать (чем больше позволили имеющиеся ресурсы и время), тем лучше 
оказывается обученная модель. Наш пример приложения требует по крайней мере 
восемь примеров данных для каждого слова. Если вы сами не хотите или не можете 
собрать примеры аудиоданных, можете скачать готовый набор данных по адресу 
http://mng.bz/POGY
(размер файла — 9 Мбайт) и загрузить его, нажав кнопку 
Upload
в разделе 
Dataset IO
пользовательского интерфейса.
После подготовки набора данных путем загрузки файла или на основе собранных 
примеров станет доступна кнопка 
Start Transfer Learning
. Можете ее нажать, чтобы за­
пустить перенос обучения модели. Приложение выполняет разбиение собранных 
спектрограмм звука в отношении 3:1, так что случайно выбранные 75 % из них 
используются для обучения, а оставшиеся 25 % — для проверки
1
. Приложение ото­
бражает потери и показатель безошибочности как на обучающем, так и проверочном 
наборе данных по мере хода переноса обучения. По завершении обучения нажмите 
кнопку 
Start
для запуска непрерывного распознавания новых слов, в ходе чего можно 
опытным путем оценить безошибочность перенесенной модели.
Желательно поэкспериментировать с различными наборами слов и посмотреть, 
какой степени безошибочности можно достичь после переноса обучения для них. 
В наборе слов по умолчанию, 
red
и 
green
, слова сильно отличаются друг от друга 
1 
Именно поэтому для демонстрационного примера необходимо собрать по крайней мере 
по восемь примеров данных для каждого слова. При меньшем количестве число примеров 
в проверочном наборе данных для каждого слова будет слишком маленьким, что приведет 
к потенциально недостоверным оценкам потерь и безошибочности.

---