جلسهی 31: رقمهای ۰ تا ۹ Digits 0 to 9
یک تصویر برای کامپیوتر یعنی جدول عدد. رقمهای دستنویس را به شکل شبکهی ۸×۸ از صفر و یک مینویسیم و برای ده کلاس، ده خروجی میسازیم.
در این جلسه یاد میگیری
- در پایان این جلسه میتوانم یک تصویر ۸×۸ را به لیست ۶۴ عددی تبدیل کنم و برعکس.
- در پایان این جلسه میتوانم ویژگیهای سادهای مثل تعداد پیکسلهای روشن هر نیمه بسازم.
- در پایان این جلسه میدانم برای ده کلاس چرا ده خروجی لازم است (one-hot).
- در پایان این جلسه میتوانم بزرگترین خروجی را به رقم تبدیل کنم (
argmax).
درس
چطور کامپیوتر یک «تصویر» میبیند؟ به شکل جدولی از عددها. هر خانه یک پیکسل است: ۰ یعنی سفید، ۱ یعنی سیاه (در عکس واقعی عددی بین ۰ و ۲۵۵). یک رقم دستنویس در شبکهی ۸×۸ میشود ۶۴ عدد. ما آن را به شکل ۸ رشتهی متنی مینویسیم تا راحت دیده شود.
one = [
"00011000",
"00111000",
"00011000",
"00011000",
"00011000",
"00011000",
"00011000",
"00111100",
]مدلها لیست عدد میخواهند، نه رشته. تابع flatten هشت رشته را به یک لیست ۶۴ عددی تبدیل میکند: روی هر سطر و هر کاراکتر بچرخ و int(ch) را اضافه کن. برعکسش هم آسان است: هر ۸ عدد یک سطر.
def flatten(rows):
pixels = []
for row in rows:
for ch in row:
pixels.append(int(ch))
return pixels
pixels = flatten(one)
print(len(pixels)) # 64
print(sum(pixels)) # how many black pixelsمیشود همهی ۶۴ پیکسل را ویژگی گرفت (k-NN همین کار را میکند). اما ویژگیهای دستساز هم خیلی کمک میکنند: چند پیکسل در نیمهی بالا روشن است؟ در نیمهی پایین؟ چپ؟ راست؟ عدد «۱» باریک است، پس چپ و راستش کم است؛ «۰» دور تا دور روشن است و وسطش خالی.
def half_counts(rows):
top = sum(row.count("1") for row in rows[:4])
bottom = sum(row.count("1") for row in rows[4:])
left = sum(row[:4].count("1") for row in rows)
right = sum(row[4:].count("1") for row in rows)
return [top, bottom, left, right]
print(half_counts(one))تا حالا مدلهایمان دو کلاس داشتند: سیب/پرتقال، هرز/سالم. حالا ده کلاس داریم: رقم ۰ تا ۹. راه استاندارد: ده نورون خروجی، یکی برای هر رقم. هدف برای رقم ۳ میشود [0,0,0,1,0,0,0,0,0,0]؛ به این one-hot میگوییم: فقط یک خانه داغ است.
def one_hot(digit):
target = [0] * 10
target[digit] = 1
return target
print(one_hot(3))خروجی شبکه هم ده عدد بین ۰ و ۱ است، مثل «چقدر مطمئنم این ۰ است، چقدر ۱، ...». جواب نهایی، شمارهی بزرگترین خروجی است. به این عمل argmax میگویند: اندیسِ بیشینه. با max و index در پایتون ساده است.
def argmax(values):
return values.index(max(values))
outputs = [0.1, 0.05, 0.02, 0.7, 0.1, 0.0, 0.01, 0.0, 0.02, 0.0]
print(argmax(outputs)) # 3برای k-NN ده کلاس هیچ فرقی ندارد: فاصلهی ۶۴ پیکسل را حساب میکند و برچسب نزدیکترین را کپی میکند؛ برچسب میتواند هر رقمی باشد. برای شبکهی عصبی، ده نورون خروجی داریم و هر کدام مثل جلسهی قبل آموزش میبیند، فقط هدفش خانهی خودش در one-hot است.
اشتباه رایج: مقایسهی تصویر با رشتهها ("00011000" - "00111000" خطا میدهد)؛ اول با flatten عدد کن. اشتباه دوم: argmax را با max قاطی کردن؛ max خودِ بزرگترین عدد (مثلاً ۰.۷) را میدهد، ولی ما شمارهاش (۳) را میخواهیم.
مثالهای این جلسه
- مثال لیست (هوش مصنوعی با پایتون): one = [
- مثال تابع (هوش مصنوعی با پایتون): def flatten(rows):
- مثال تابع (هوش مصنوعی با پایتون): def half_counts(rows):
- مثال تابع (هوش مصنوعی با پایتون): def one_hot(digit):
- مثال تابع (هوش مصنوعی با پایتون): def argmax(values):
چالشها
- Flatten the Image (آسان)
- One-Hot Target (آسان)
- argmax (متوسط)
- Half Counts (متوسط)
- Nearest Digit (سخت)
- Ten Output Neurons (سخت)
بیشتر بخوان
- لیست در پایتون: آموزش کامل list با مثال، متدها و نکتهها
- تابع در پایتون: آموزش def، پارامتر و return با مثال
← جلسهی 30: شبکهی XOR با دست جلسهی 32: پروژه: شناسای رقم →