Caffe2 - Descripción general
Ahora, ya que tiene algunas ideas sobre el aprendizaje profundo, permítanos obtener una descripción general de lo que es Caffe.
Entrenando una CNN
Aprendamos el proceso de entrenamiento de una CNN para clasificar imágenes. El proceso consta de los siguientes pasos:
Data Preparation- En este paso, recortamos en el centro las imágenes y las redimensionamos para que todas las imágenes para entrenamiento y prueba tengan el mismo tamaño. Esto generalmente se hace ejecutando un pequeño script de Python en los datos de la imagen.
Model Definition- En este paso, definimos una arquitectura CNN. La configuración se almacena en.pb (protobuf)archivo. En la siguiente figura se muestra una arquitectura típica de CNN.
Solver Definition- Definimos el archivo de configuración del solucionador. Solver realiza la optimización del modelo.
Model Training- Usamos la utilidad Caffe incorporada para entrenar el modelo. El entrenamiento puede llevar una cantidad considerable de tiempo y uso de CPU. Una vez que se completa la capacitación, Caffe almacena el modelo en un archivo, que luego se puede usar en los datos de prueba y la implementación final para las predicciones.
Novedades de Caffe2
En Caffe2, encontrará muchos modelos pre-entrenados listos para usar y también aprovechar las contribuciones de la comunidad de nuevos modelos y algoritmos con bastante frecuencia. Los modelos que cree se pueden escalar fácilmente utilizando la potencia de la GPU en la nube y también se pueden reducir al uso de masas en dispositivos móviles con sus bibliotecas multiplataforma.
Las mejoras realizadas en Caffe2 sobre Caffe se pueden resumir de la siguiente manera:
- Despliegue móvil
- Nuevo soporte de hardware
- Soporte para capacitación distribuida a gran escala
- Computación cuantificada
- Prueba de estrés en Facebook
Demostración de modelo previamente entrenado
El sitio del Berkeley Vision and Learning Center (BVLC) ofrece demostraciones de sus redes previamente capacitadas. Una red de este tipo para la clasificación de imágenes está disponible en el enlace que se indica a continuación.https://caffe2.ai/docs/learn-more#null__caffe-neural-network-for-image-classification y se muestra en la captura de pantalla a continuación.
En la captura de pantalla, la imagen de un perro está clasificada y etiquetada con su precisión de predicción. También dice que tomó solo0.068 secondspara clasificar la imagen. Puede probar una imagen de su elección especificando la URL de la imagen o cargando la imagen en las opciones que se encuentran en la parte inferior de la pantalla.