Из-за периодической блокировки нашего сайта РКН сервисами, просим воспользоваться резервным адресом:
Загрузить через ClipSave.ruУ нас вы можете посмотреть бесплатно Simple Deep Neural Network to Classify Digits или скачать в максимальном доступном качестве, которое было загружено на ютуб. Для скачивания выберите вариант из формы ниже:
Если кнопки скачивания не
загрузились
НАЖМИТЕ ЗДЕСЬ или обновите страницу
Если возникают проблемы со скачиванием, пожалуйста напишите в поддержку по адресу внизу
страницы.
Спасибо за использование сервиса savevideohd.ru
Download Dataset from here: https://drive.google.com/drive/folder... Welcome to this tutorial – Training A Simple Deep Neural Network to Classify Digits In this tutorial, we are going to learn: 1. How to load, inspect and prepare dataset 2. Then we will see how to construct the network layers 3. After that we will learn how to specify the training options 4. Then we will see how to train the network 5. After the training, we will see how to test the network and 6. Finally, we will learn how to evaluate the network using accuracy and confusion matrix --------------------------------------------------------- MATLAB Code to Train the Network: --------------------------------------------------------- dataset = imageDatastore("Dataset", 'IncludeSubfolders',true,'LabelSource','foldernames'); figure; random = randperm(10000,20); for i = 1:20 subplot(4,5,i); imshow(dataset.Files{random(i)}); end image_label = countEachLabel(dataset) img = readimage(dataset,1); size(img) spliting_ratio = 0.75; [training,validation] = splitEachLabel(dataset,spliting_ratio,'randomize'); layers = [ imageInputLayer([28 28 1]) convolution2dLayer(3,8,'Padding','same') batchNormalizationLayer reluLayer maxPooling2dLayer(2,'Stride',2) convolution2dLayer(3,16,'Padding','same') batchNormalizationLayer reluLayer maxPooling2dLayer(2,'Stride',2) convolution2dLayer(3,32,'Padding','same') batchNormalizationLayer reluLayer fullyConnectedLayer(10) softmaxLayer classificationLayer]; options = trainingOptions('sgdm', ... 'InitialLearnRate',0.01, ... 'MaxEpochs',4, ... 'Shuffle','every-epoch', ... 'ValidationData',validation, ... 'ValidationFrequency',30, ... 'Verbose',false, ... 'Plots','training-progress'); net = trainNetwork(training,layers,options); --------------------------------------------------------- MATLAB Code to Test the network: --------------------------------------------------------- prediction = classify(net,validation); actual = validation.Labels; correct = sum(prediction==actual) total = numel(actual) accuracy = (correct/total)*100 figure; plotconfusion(actual, prediction) figure; cm = confusionchart(actual, prediction) cm.RowSummary = 'row-normalized'; cm.ColumnSummary = 'column-normalized';