Caffe2 - Présentation

Maintenant que vous avez un aperçu de l'apprentissage profond, laissez-nous avoir un aperçu de ce qu'est Caffe.

Former un CNN

Apprenons le processus de formation d'un CNN pour la classification des images. Le processus comprend les étapes suivantes -

  • Data Preparation- Dans cette étape, nous recadrons les images au centre et les redimensionnons afin que toutes les images pour la formation et les tests soient de la même taille. Cela se fait généralement en exécutant un petit script Python sur les données d'image.

  • Model Definition- Dans cette étape, nous définissons une architecture CNN. La configuration est stockée dans.pb (protobuf)fichier. Une architecture CNN typique est illustrée dans la figure ci-dessous.

  • Solver Definition- Nous définissons le fichier de configuration du solveur. Le solveur effectue l'optimisation du modèle.

  • Model Training- Nous utilisons l'utilitaire Caffe intégré pour entraîner le modèle. La formation peut prendre un temps considérable et une utilisation du processeur considérable. Une fois la formation terminée, Caffe stocke le modèle dans un fichier, qui peut ensuite être utilisé sur les données de test et le déploiement final pour les prédictions.

Quoi de neuf dans Caffe2

Dans Caffe2, vous trouverez de nombreux modèles pré-entraînés prêts à l'emploi et vous tirerez également assez fréquemment parti des contributions de la communauté de nouveaux modèles et algorithmes. Les modèles que vous créez peuvent évoluer facilement en utilisant la puissance du GPU dans le cloud et peuvent également être réduits à l'utilisation de masses sur mobile avec ses bibliothèques multiplateformes.

Les améliorations apportées à Caffe2 par rapport à Caffe peuvent être résumées comme suit -

  • Déploiement mobile
  • Nouveau support matériel
  • Prise en charge de la formation distribuée à grande échelle
  • Calcul quantifié
  • Stress testé sur Facebook

Démo de modèle pré-entraîné

Le site du Berkeley Vision and Learning Center (BVLC) propose des démonstrations de leurs réseaux pré-formés. Un tel réseau pour la classification des images est disponible sur le lien indiqué ci-jointhttps://caffe2.ai/docs/learn-more#null__caffe-neural-network-for-image-classification et est illustré dans la capture d'écran ci-dessous.

Dans la capture d'écran, l'image d'un chien est classée et étiquetée avec sa précision de prédiction. Il dit également qu'il a fallu juste0.068 secondspour classer l'image. Vous pouvez essayer une image de votre choix en spécifiant l'URL de l'image ou en téléchargeant l'image elle-même dans les options indiquées en bas de l'écran.