Reconocimiento de imágenes usando aprendizaje profundo
El aprendizaje profundo puede ser aplicado exitosamente a muchos problemas de procesamiento de imágenes y visión por medio de la computación. Usando NetChain y NetTrain, usted puede definir y entrenar una red neuronal que clasifique a un dígito escrito a mano dada una imagen.
Obtenga datos de entrenamiento y validación de la base de datos de dígitos escritos a mano MNIST.
In[1]:=

resource = ResourceObject["MNIST"];
trainingData = ResourceData[resource, "TrainingData"];
testData = ResourceData[resource, "TestData"];
In[2]:=

RandomSample[trainingData, 5]
Out[2]=

Diseñe una red neuronal de convolución creada para reconocer imágenes en escala de grises 28×28.
In[3]:=

lenet = NetChain[
{ConvolutionLayer[20, 5], Ramp, PoolingLayer[2, 2],
ConvolutionLayer[50, 5], Ramp, PoolingLayer[2, 2], FlattenLayer[],
500, Ramp, 10, SoftmaxLayer[]},
"Output" -> NetDecoder[{"Class", Range[0, 9]}],
"Input" -> NetEncoder[{"Image", {28, 28}, "Grayscale"}]
]
Out[3]=

Entrene la red durante tres rondas.
In[4]:=

lenet = NetTrain[lenet, trainingData, ValidationSet -> testData,
MaxTrainingRounds -> 3];
Out[4]=

Evalúe la red entrenada directamente en imágenes muestreadas de forma aleatoria del conjunto de validación.
In[5]:=

imgs = Keys @ RandomSample[testData, 5];
Thread[imgs -> lenet[imgs]]
Out[5]=
