Description

رس: د ا و د ب زاده اح: ارش – ادادی – ر ه
: دو ۷ ه ۱۴۰۰
:
Keras وTensorFlow
ی از ر ر ی د ی ا در ل ی ا ا ا رت داز هر د ی ری در زه ی و ا ده ا . از ا ی ا ا ر ان ا ا ن
د ا را ا ده از دو ی از رون زد. ا ا ن ده زی و د ی ا
ان ا . ی ا ا ر و ر د روز ا ون ان در ، ورک ی ر ر یای در ا د ی ر ه و را ر ه ا . در ا وژه دارTensorFlow و ا ده از را یKeras از ط ی را ر .

در ا دار ا ده از ی اد د را ا س ه او د . د
ز د داده ا را ا ده ازgoogle colab ا م د .
داده
دادهUTKFace داده ه در س رگ دا (از 0 116 ل ا ). ا داده
از 20,000 ه اه ، و اد ط د ا . ا و ع ز دی در ژ ، ه، ر، و ح و
ه را د. از ا داده ان ل ای ه ، ، / ر ن و … ا ده د.

ت ده زی
در ا وژه راForward Feed Keras ا د ا دو ( در ی ورودی و و (softmax) ا دارای 4 ).
ز اول: ر و دازش داده
● ا ده از راKeras داده ی را ا . و راgrayscale ده و س 100 در 100 د .
● اد داده ی ا ه ه و اد س ی د را پ .
● اد و س را و ای ان دار ای ر .
● از س د اه م س ان را ن د .
● د را دوtrain وtest و س .
● ای One Hot Encoding ا م د و د ا ر را ح د .ز دوم: ا
ی ا ز ا :
1. ز از عSGD .
. 0.01 learning rate ار.2
. 10 epoch اد.3
. 32 batch_size ا ازه.4
5. ل زی م از اrelu .
۱: دbatch size در ا ی 32 ا ا ر ذ د ان را د .
۲: از از ( از ا مepoch ) ارد ز پ د:
epoch درloss دار ار● epoch درaccuracy دار ار●
۳: از از ( از ا مepoch ) ارد ز روی داده ی و پ د:
recall ر ی● precision ر ی●
● ر یF1
از ا د ر ا داده ه اد را ی را پ ده و ا اد پ ه را
(ای پ اد را ا از راKeras ا ده و زی ده زی د ن ).
ز م: ی داده
در ا ا د ه را روی داده د .
در ا داده ی را از در را ل . ای ا ر داده ا ه ه 255
دد.
در ا ر د را ای د ارF1 ای روی داد هی ا د د.
ای از ر ا ده .ای اوردن ا ی ل ز د یtanh وsigmoid وLeaky Relu را ر
و ا ا ارد.
: در ز ری از و را د ا و ان را دا ا ها و ان را در ا زر د و در د ه زی ا د در اداKeras ر .
optimizer (اول
. را رoptimizer در ا
●momentum و ا ا ده از ان ا ؟
● ل راmomentum ی 0.5 و 0.9 د و را د .
● ا اره ا اmomentum د ؟ د .
● از رoptimizer در ا دادن ر ا ده دAdam ا . ل د راا ده ازAdam د و راSGD . در ی ی ازAdam ا ده (از خ اوض ایAdam ا ده ار ان 0.001 ا ).
epoch (دوم
در ا ادepoch را ر .
● ل را اد 20epoch د . ای ت ی ادepoch را ا 20 در .
● ا ی را درepoch د ؟ ا در ز ان ا در
؟epoch
● ا اره ا ده از ادepoch ی ای ا ؟ ا اب ا ، راه ی ا ق
روی را ن .
loss function (م
در ا ادLoss ی را ر .
categorical cross entropy د و راMSE رLoss را ا ده از●
.
● ا ا ده ازMSE ایclassification ؟ ز از ا ا ده ؟
regularization (رم
در ا روش یregularization در ی را ر .● ا ده از راkeras ایregularization L2 را ار 0.0001 ا ل و را ه ود .
● ا ده از راkeras ایdropout ار 0.1 ار د و را ه و د .
از اوردن ا د، ۱۰ در ده ا و ۱۰ ا ه ده ا را
د .
ز رم: داده ی (ا زی)
دو ر دencoder ، رت ا ازdata denoising و ا د ای داد ه ا .در ا دار یFeed Forward ، داده ی ورودی را از 10000 2 د و داده ی را در ی دو ی . ای ا ر، ای ری ز ده زی :
– ا ( و ) 5 رون دا ( اد ).
– ه ا 2 رون دا ( و ان در ی دو ی).
– 10000 رون دا ( اد ی و داده ی ورودی).
– اد رون ی ی از ورودی و .
ق ( ا ) را ا ً (Encoder) و و ی ان و داده ی ورودیا . در ، داده ی در ا ی .
دار داده ی ش ی و ی ه ا ق را در ی دو ی . ای ا ر،ا ز را د ل :
● زم ا در ا ا و ی ه ا س د ه د.
● در م دوم ای ری ح ه ا و ا زش د و را ی رد ن ا زش د ز د .
● ً و ی ه ا ی ا زش داده ه را ازای داده ی ا زش و . ط ط س را ر ص د .
● در ، دار ی ا ه، را و د را ح د . و د
ا ه از ، ن در ام د از داده از د ر د و ام داده را را از ؟
ای د ی وع رKeras ا از ا.
ای ا زش ه ا ده ازGoogle Colab ا ا ده .
. Optimizer Adam در ادر ر هی
در ادر ر هی روش یregularization .در ادر ر هی داده ی .ت
● د ف وژه ا ؛ ا از ا ار ی داده ر ل دار ا ده و ت
ط از وژه را ر و در ل در ارش د ذ .
● و ارش د را در ده انAI-CA5-<#SID>.zip د . ت
jupyter-notebook، وhtml و ی رد ز ای ا ای ان . و و ی ا هاز ه ا را د . از در و ی رد ز درhtml .
● دا وه ار ل ی وژه، ا وژه رت ری ا . ا می وژه ا ای د در ز ن ری را دا . در رت م ر در
ری ه ای در ا د.
● در ر ا در رد وژه دا ا در وم درس ح از ان ا ده ؛ در ا رت
ا ا ن در ار ط .
● ا ده ازjupyter notebook در ا وژه ا ا ا . د د ی داده و
. ا دهGoogle Colab از
● ف از ، د ی . را د ن ا م د .
.