IIvSS_lab_4
.docxЛабораторная работа № 4
Распознавание изображений с помощью нейронной сети в Microsoft Machine Learning Studio
Задание на лабораторную работу:
Зайти на сайт Microsoft Machine Learning Studio – https://studio.azureml.net/
Войти под учетной записью Microsoft.
В меню слева выбрать пункт EXPERIMENTS, затем внизу нажать кнопку + NEW:
В появившемся окне выбрать пункт Blank Experiment:
В появившемся редакторе экспериментов в заголовке вместо «Experiment created…» ввести название эксперимента, например, «Image recognition»:
В левом меню редактора экспериментов открыть Saved Datasets -> My Datasets -> Samples и перетащить блок данных в рабочую область (справа) блоки MNIST train и MNIST test:
MNIST – это база данных изображений рукописных цифр. Каждой картинке в соответствие поставлена метка (label), в которой указано, какая именно цифра приведена на соответствующем изображении, что позволяет нам тренировать и проверять нейронную сеть на основании этих данных. Все примеры изображений с метками уже поделены на две части, MNIST train – для обучения нейронной сети, MNIST test – для проверки.
В меню слева при помощи строки поиска найти блоки Multiclass Neutral Network и Train Model, перетащить их в рабочую область права и соединить:
Выделить элемент Train Model и в меню свойств справа нажать Launch Column Selector. В появившемся окне выбрать Label (название столбца, который мы будем пытаться предсказывать при помощи нейронной сети), нажать галочку в правом нижнем углу:
В меню слева при помощи строки поиска найти блоки Score Model и Evaluate Model, перетащить их в рабочую область права и соединить:
В нижней части экрана нажать кнопку Run для запуска модели:
После того, как модель закончит работать, выбрать блок Evaluate Model, нажать на правую кнопку мыши, выбрать Evaluation Results -> Visualize. В появившемся окне появится таблица, в которой можно визуально определить, насколько хорошо нейронная сеть определяет рукописные цифры на изображении. Строки – какая цифра на самом деле изображена, столбцы – что распознала нейронная сеть, в ячейках – процент случаев, когда нейронная сеть именно так распознала указанную цифру:
Выше таблицы находится численное выражение точности распознавания. Перенесите значение Overall Accuracy в таблицу ниже (строка 100).
Меняя параметр Number of hidden nodes в блоке Multiclass Neural Network и запуская модель после каждого изменения полностью заполнить таблицу ниже:
Таблица:
Число нейронов в скрытом слое |
Overall Accuracy |
200 |
0.9816 |
100 |
0.9797 |
50 |
0.9727 |
10 |
0.9219 |
5 |
0.8878 |
В отчете необходимо представить итоговую схему эксперимента, заполненную таблицу, а также вывод о том, какое число нейронов в скрытом слое лучше использовать в данном случае.