Caffe2 - ภาพรวม

เมื่อคุณมีข้อมูลเชิงลึกเกี่ยวกับการเรียนรู้เชิงลึกแล้วให้เรามาดูภาพรวมว่า Caffe คืออะไร

ฝึกอบรม CNN

ให้เราเรียนรู้กระบวนการฝึกอบรม CNN สำหรับการจำแนกภาพ กระบวนการประกอบด้วยขั้นตอนต่อไปนี้ -

  • Data Preparation- ในขั้นตอนนี้เราจะครอบตัดรูปภาพไว้ตรงกลางและปรับขนาดเพื่อให้ภาพทั้งหมดสำหรับการฝึกอบรมและการทดสอบมีขนาดเท่ากัน โดยปกติจะทำได้โดยการรันสคริปต์ Python ขนาดเล็กบนข้อมูลรูปภาพ

  • Model Definition- ในขั้นตอนนี้เรากำหนดสถาปัตยกรรม CNN การกำหนดค่าจะถูกเก็บไว้ใน.pb (protobuf)ไฟล์. สถาปัตยกรรม CNN ทั่วไปแสดงในรูปด้านล่าง

  • Solver Definition- เรากำหนดไฟล์คอนฟิกูเรชันของ solver Solver ทำการเพิ่มประสิทธิภาพโมเดล

  • Model Training- เราใช้ยูทิลิตี้ Caffe ในตัวเพื่อฝึกโมเดล การฝึกอบรมอาจใช้เวลาและการใช้งาน CPU เป็นจำนวนมาก หลังจากการฝึกอบรมเสร็จสิ้น Caffe จะจัดเก็บโมเดลไว้ในไฟล์ซึ่งสามารถใช้กับข้อมูลการทดสอบและการปรับใช้ขั้นสุดท้ายสำหรับการคาดการณ์ในภายหลังได้

มีอะไรใหม่ใน Caffe2

ใน Caffe2 คุณจะพบกับโมเดลที่ได้รับการฝึกฝนมาแล้วพร้อมใช้งานมากมายและยังใช้ประโยชน์จากการมีส่วนร่วมของชุมชนในรูปแบบใหม่และอัลกอริทึมที่ค่อนข้างบ่อย โมเดลที่คุณสร้างขึ้นสามารถปรับขนาดได้อย่างง่ายดายโดยใช้พลัง GPU ในระบบคลาวด์และยังสามารถนำไปใช้กับคนจำนวนมากบนมือถือด้วยไลบรารีข้ามแพลตฟอร์ม

การปรับปรุงใน Caffe2 มากกว่า Caffe อาจสรุปได้ดังนี้ -

  • การปรับใช้มือถือ
  • การสนับสนุนฮาร์ดแวร์ใหม่
  • รองรับการฝึกอบรมแบบกระจายขนาดใหญ่
  • การคำนวณเชิงปริมาณ
  • ทดสอบความเครียดบน Facebook

การสาธิตแบบจำลองล่วงหน้า

เว็บไซต์ Berkeley Vision and Learning Center (BVLC) มีการสาธิตเครือข่ายที่ผ่านการฝึกอบรมมาแล้ว หนึ่งในเครือข่ายสำหรับการจัดประเภทรูปภาพมีอยู่ในลิงก์ที่ระบุhttps://caffe2.ai/docs/learn-more#null__caffe-neural-network-for-image-classification และปรากฎในภาพหน้าจอด้านล่าง

ในภาพหน้าจอภาพของสุนัขถูกจัดประเภทและติดป้ายกำกับด้วยความแม่นยำในการทำนาย แถมยังบอกว่าเอาแค่0.068 secondsเพื่อจำแนกภาพ คุณอาจลองใช้รูปภาพที่คุณเลือกเองโดยระบุ URL ของรูปภาพหรืออัปโหลดรูปภาพในตัวเลือกที่ระบุไว้ที่ด้านล่างของหน้าจอ