IIvSS_lab_6
.docxЛабораторная работа №7
Использование ЯП Python с библиотекой Keras
Цель данной лабораторной работы состоит в применении библиотеки Keras библиотеки машинного обучения для Python.
Чем данная библиотека отличается от изученных ранее? Так как в общем случае обучение нейронных сетей – занятие очень ресурсоемкое и может занимать много времени, существует ряд библиотек, позволяющих оптимизировать процесс обучения нейронных сетей (в частности – использовать графический процессор вместо центрального).
Среди наиболее популярных подобных библиотек TensorFlow и Theano. Но проблема с практическим применением этих библиотек заключается в том, что с ними достаточно сложно работать неподготовленному человеку. Обе библиотеки оперируют тензорами (термин из линейной алгебры, если очень упрощать, то это аналог многомерных массивов). Нейронная сеть может быть представлена в виде произведения нескольких матриц (и функций активации), и в данных библиотеках процесс создания нейронной сети является процессом задания матриц-тензоров и манипуляций с ними.
Для упрощения использования этих библиотек, придумано несколько более дружелюбных к пользователю библиотек, которые сами по себе ничего нового не создают, но транслируют более понятный код в код TensorFlow и Theano.
Одной из самых популярных подобных библиотек является Keras, изучаемый в данной лабораторной работе. В данной работе буде использовано широко применяемое руководство по Keras от TensorFlow.
Задание на лабораторную работу
Посмотрите видео с более развернутым описанием упомянутых библиотек:
https://youtu.be/9xfPb2hiqNY?t=83
В ранее настроенном python-окружении проделайте шаги, перечисленные в руководстве:
https://github.com/tensorflow/docs-l10n/blob/master/site/ru/tutorials/keras/classification.ipynb
То же самое руководство есть также по ссылке ниже, но в начале кода (импорт библиотек) там используется сделанное в предыдущих заданиях, будьте внимательны:
https://www.tensorflow.org/tutorials/keras/classification?hl=ru
Содержание отчета: Скриншоты результатов выполнения пункта 2 с комментариями.