نماذج التسلسل والصور (CNN / RNN / LSTM / GRU)

شبكة عصبية تلافيفية لمهام تصنيف الصور الشبكات العصبية المتكررة لنمذجة التسلسل (تحليل المشاعر، التنبؤ بالنصوص) LSTM / GRU لتحسين تعلم التسلسل والاعتمادات طويلة المدى الهدف هو فهم كيفية عمل هذه البنى ومقارنة سلوكها على أنواع مختلفة من البيانات. مجموعة التقنيات بايثون 3 دفتر ملاحظات جوبيتر TensorFlow / Keras NumPy، Pandas، Matplotlib بنية المستودع Sequence-Image-Models/ ├── notebooks/ │ ├── 01_cnn_session.ipynb — CNN notebook (CIFAR-10 & MNIST) │ ├── 02_rnn_session.ipynb — RNN notebook (IMDB sentiment + text prediction + translator) │ └── 03_lstm_gru.ipynb — LSTM & GRU notebook (time-series forecasting) └── requirements.txt نظرة عامة على أجهزة الكمبيوتر المحمولة 01 — الشبكة العصبية الالتفافية (CNN) مجموعة البيانات: CIFAR-10 (60,000 صورة ملونة، 10 فئات) و MNIST (أرقام مكتوبة بخط اليد) مقارنة بين شبكة عصبية عميقة متصلة بالكامل وشبكة عصبية تلافيفية في تصنيف الصور المفاهيم الأساسية: Conv2D، MaxPooling، Flatten، Dropout 02 — الشبكة العصبية المتكررة (RNN) مجموعة البيانات: مراجعات الأفلام على موقع IMDB (تحليل المشاعر الثنائي) المشاريع: التنبؤ بالكلمة التالية ومترجم مصغر من الإنجليزية إلى الإسبانية (Seq2Seq مع LSTM) المفاهيم الأساسية: التضمين، SimpleRNN، حشو التسلسل، التجزئة 03 — LSTM & GRU مجموعة البيانات: درجات الحرارة الدنيا اليومية (انحدار السلاسل الزمنية) يقوم بتدريب نموذج LSTM ونموذج GRU للتنبؤ بقيم درجات الحرارة المفاهيم الأساسية: نوافذ التسلسل، مقارنة بين LSTM وGRU، منحنيات فقدان التحقق