به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

0 امتیاز

سلام
ببخششید من میخوام یک برنامه شبکه عصبی در پایتون بنویسم، چجوری و با چه کامندی dataset خودم را به عنوان ورودی بهش بدم؟؟ درواقع شیوه ارائه داده و دیتاست در فریم ورک تنسورفلو و کراس رو میخواستم. ممنون میشم لینک مربوطه رو همینجا قرار بدید.
مرسی

سوال شده توسط (113 امتیاز)
ویرایش شده توسط
سلام. پس لطفا عنوان سوال و توضیحاتش رو تکمیل کنید . اینکارو کردید کامنت بزارید تا جواب بدم خدمتتون
عنوان و توضیحاتش تکمیل شد

1 پاسخ

+1 امتیاز
 
بهترین پاسخ

سلام
سایت و مستندات Keras به خوبی این موضوعات رو پوشش داده و توصیه می کنم حتما نمونه کدها رو ببینید:
> https://github.com/fchollet/keras/tree/master/examples

توضیحات مدلهای مختلف رو هم می تونید برای نمونه از این قسمت ببینید:
> https://keras.io/getting-started/sequential-model-guide

به طور خلاصه ورودی شما، بسته به شبکه متفاوته، مثلا، در شبکه های معمولی mlp، ورودی باید یه ماتریس باشه که هر سطرش، متناظر با یک داده آموزشیه. این ماتریس اگه NxD باشه یعنی شما N تا داده دارید، که هر داده D بعد داره

یا برای شبکه های کانولوشن، ورودی باید به صورت یه تنسور با ابعاد (NxWxHxC) باشه، که N تعداد تصاویر در دیتاست، W و H به ترتیب، طول و عرض تصاویر و C تعداد کانالهای هر تصویره
البته بسته به تنظیمات، dimension مربوط به کانالها می تونه اول بیاد یعنی بشه (NxCxWxH)

برای شبکه های recurrent و بقیه شبکه ها هم مثال ها رو ببینید به راحتی متوجه می شید

بردار label یا ground truth هم بسته به این داره که شما بحث classification انجام می دید، یا regression

پاسخ داده شده توسط (1.6k امتیاز)
انتخاب شده توسط
...