深度學習的捲積神經網路 -- (使用JavaScript / node.js實作)
22 likes6,100 views
本文探讨了如何使用 convnetjs 和 neataptic 在 Node.js 中实现深度学习的卷积神经网络。尽管大多数深度学习资源集中在 Python，但作者展示了使用 JavaScript 进行深度学习的可行性，并提供了具体的示例和代码。通过这些示例，程序员可以在 Node.js 环境下轻松了解和实验卷积神经网络的基本概念。
深度學習的捲積神經網路 -- (使用JavaScript / node.js實作)
- 1. 深度學習的捲積神經網路 ( 使用 ConvNetJS 套件在 node.js 中實作 ) 陳鍾誠 2017 年 6 月 30 日 程式人《十分鐘系列》程式人《十分鐘系列》 本文衍生自維基百科
- 8. 前一陣子
- 10. 但是 ●卻搞得自己很累！
- 11. 因為 ● 我原本的主力是用 node.js 寫 JavaScript ● 突然轉去學 Python 還真的有點適應不良！
- 13. 當我上網找了之後 ● 發現大家還是建議用 Python 學深度學習 不建議用 JavaScript
- 14. 像是這位老兄就有同樣的疑問
- 15. 於是有人回說 ● node.js 是 設計給 web 用的，不是 給機器學習 用的！
- 16. 還有 node.js 陣營的人 ● 也出來說 node.js 不太適合！
- 17. 但是也有人認為 ● 或許該重新考慮，因為有幾個 js 的深度學習套件
- 18. 這個訊息 ● 給了我一個起點！ ● 於是我決定開始整理 node.js 的深度學習資源
- 19. 我找了又找 ●試了又試！
- 20. 終於發現一個可行的方案！ ● 那就是用下列組合 – ConvNetJS: CNN 捲積神經網路 – Neataptic: LSTM 長短期記憶網路
- 21. 經過深入研究之後 ● 發現這兩個套件都包含基本的 《多層感知器網路》，而且寫得很不錯！ ● Neataptic 還支援 Hopfield 容錯記憶網 路，與 NARX,GRU, Random 等網路架構
- 22. 而 ConvNetJS ● 還包含了很好的範例，讓我們可以 在 web 上直接看到《深度學習》的 過程與結果！
- 23. 現在 ● 就讓我們從 ConvNetJS 開始，來探 索一下 JavaScript 的深度學習世 界吧！
- 24. 這是 ConvNetJS 的首頁
- 25. 總共包含了八個展示範例
- 26. ConvNetJS 中 ● 最經典的兩個範例是 –《手寫數字辨識》 MNIST –《影像物體辨識》 CIFAR-10
- 27. MNIST 資料庫 ● 是 LeCun 教授他們所創建的手寫數字辨識資料庫 http://yann.lecun.com/exdb/mnist/
- 28. ConvNetJS 用 MNIST 來 測試其 CNN 網路的表現
- 29. 這是 ConvNetJS 使用的神經網路架構 ● 應該算是個簡單的架構！ ( 層數很少，只有兩個捲積層 conv ，兩個池化層 pool ，最後使用 softmax 函數輸出 )
- 30. 你會看到正確率還不錯
- 33. 我們從網頁上可以明顯地看到辨識結果 0 1 2 3 4 5 6 7 8 90 1 2 3 4 5 6 7 8 9 數字 7 的輸出最強 ( 最白 ) 所以辨識結果為 7
- 34. 透過這個範例 ● 我們應該很容易理解 CNN 捲積神 經網路，到底在做些甚麼事了！
- 36. 從初始特徵開始
- 38. 結合反傳遞演算法
- 39. 最後辨識出物體到底是那一類
- 41. 後來也被用在 ● 像 AlphoGo 這樣的圍棋程式上 ● 成為非常重要的深度學習神經網 路模型！
- 42. 除了剛剛的手寫數字辨識範例 ● ConvNetJS 還有另一個 CIFAR-10 影像物體辨識範例。
- 45. ConvNetJS 的 Cifar-10 範例
- 49. 這樣 ● 我們就不需要等個幾十分鐘 ● 也能立刻擁有有還不錯的 CNN 網路 模型了！
- 51. 對於程式人
- 52. 我們更想瞭解的是 ● 該怎麼寫程式建構一個 CNN 捲積 神經網路，來做上面的那些事情！
- 54. 看到這個專案的原始碼
- 59. 那麼 ConvNetJS ●有沒有像 Hello World 這麼 簡單的範例呢？
- 60. 我查了又查
- 61. 沒有找到這樣的範例
- 62. 於是決定自己來
- 63. 先追蹤程式碼
- 64. 尋找關鍵點
- 65. 想辦法拼湊出極簡單的範例
- 68. 例如 cifar10predict.js 程式 ● 會載入預先訓練好的網路，並預測輸入檔的影像類別
- 70. 您可以在 ● book/nn/convnetjs 這個資料夾中看到 cifar10predict.js 這個檔案 https://github.com/ccckmit/ai6/blob/master/book/nn/convnetjs/cifar10predict.js
- 72. 您可以透過 git + npm 下載安裝
- 73. 然後就可以執行範例了 $ node regression $ node classified2d $ node mnistPredict mnist/3.png $ node cifar10predict cifar10/horse1.png
- 76. 這樣 ● 我們就可以透過 ConvNetJS ，踏出深 度學習的第一步 ● 認識深度學習中非常重要的《捲積神 經網路》程式到底該如何使用，進而 研究背後的原始碼！
- 77. 從應用到原理 ● 透過簡單的 node.js 安裝 ● 以及我所熟悉的 javascript 程式 ● 逐漸掌握深度學習的理論與實作！
- 78. 這就是我們今天的
- 79. 十分鐘系列
- 80. 希望您會喜歡！
- 81. 我們下回見！
- 82. Bye Bye!