 |
 |
||
artificiele intelligentie toepassingen op de laptop terug naar de startpagina
De schetsen zijn mbv de jupyter notebook gemaakt in Anaconda Navigator omgevingen
| Anaconda Navigator | installeren en omgevingen aanmaken | ||
Voor het trainen van modellen in pytorch zijn meer coderegels nodig dan in Keras
Door het bestuderen van de code in pytorch krijg je meer inzicht in de werking van AI projecten.
| schetsen met pytorch | |||
| Training van de fashion-MNIST-dataset met pytorch | |||
| schetsen met tensorflow-keras | |||
| 1) | Afbeeldingen cassificeren met mobileNet | Het model is getrained met 1000 imagenet classes, hond, vogel, kat en bloem geclassifceerd | |
| 2) | MobileNet model aanpassen en trainen 1 | 5 lagen verwijdert, outputlaag met 2 noduli toegevoegd, model opgeslagen als bloem_model.h5 | |
| 3) | MobileNet model aanpassen en trainen 2 | 4 extra lagen, model opgeslagen als bloem_model.h5 | |
| 4) | testen van bloem_model.h5, resultaat in confusion matrix | ||
| 5) | bloemen met het bloem_model.h5 classificeren | ||