Wolfram Language

Utilisez des modèles pré-entraînés pour visualiser les caractéristiques

Un réseau neuronal pré-entraîné peut être modifié pour devenir un extracteur de caractéristiques. L'extraction de caractéristiques est généralement utilisée pour l'apprentissage par transfert, pour définir une distance sémantique ou pour visualiser un jeu de données particulier. Cet exemple illustre comment utiliser un modèle pré-entraîné du référentiel Wolfram Neural Net Repository pour extraire des caractéristiques et visualiser des jeux de données dans l'espace de caractéristiques.

Créez un extracteur d'images à partir d'un modèle pré-entraîné.

Téléchargez un classifieur d'images.

Extrayez les 22 premières couches des 24 couches.

Le réseau obtenu transforme une image en 2048 valeurs numériques. Ces valeurs sont sémantiquement riches. Essayez cet extracteur en l'appliquant sur une image.

Utilisez l'extracteur à l'intérieur de la fonction FeatureSpacePlot pour visualiser un jeu de données d'images.

Certains modèles sont directement destinés à être utilisés comme extracteurs de caractéristiques. Créez une visualisation 2D des mots à l'aide d'un extracteur de fonctions GloVe.

Exemples connexes

de en es ja ko pt-br zh