Terasoft Deep Learning.pptx
•Descargar como PPTX, PDF•
0 recomendaciones•226 vistas
Slides of my presentation at TERASOFT Ecuador: Image Classification with Deep Learning and ML.NET
Recomendados
Recomendados
Más contenido relacionado
La actualidad más candente
La actualidad más candente (14)
Similar a Terasoft Deep Learning.pptx
Similar a Terasoft Deep Learning.pptx (20)
Más de Luis Beltran
Más de Luis Beltran (20)
Último
Último (11)
Terasoft Deep Learning.pptx
- 1. TERASOFT.EC “ S o l u c i ó n s i n a m b i g ü e d a d e s ”
- 3. www.TerasoftEC.net Deep Learning y Clasificación de Imágenes con ML.NET Luis Beltran
- 4. www.TerasoftEC.net Luis Beltrán • Microsoft MVP en AI y Developer Technologies • Investigador en Tomás Bata University in Zlín • Docente en Tecnológico Nacional de México en Celaya luis@luisbeltran.mx @darkicebeam
- 5. www.TerasoftEC.net Machine Learning Es un campo de la informática que dota a las computadoras de la habilidad de aprender sin ser programadas de forma explícita. Datos Etiquetados Nuevos datos Algoritmo de Machine Learning Modelo de ML Predicción Entrenamiento Predicción
- 6. www.TerasoftEC.net Tipos de Aprendizaje • Supervisado Aprendizaje a partir de un conjunto etiquetado de datos de entrenamiento. • No supervisado Descubre patrones en conjuntos de datos sin etiquetas. Regresión Class A Class B Clasificación Clustering
- 7. www.TerasoftEC.net Deep Learning • Es una área de Machine Learning que aprende representaciones de los datos. • Es excepcionalmente efectivo en descubrir patrones. • El aprendizaje de los algoritmos es a través de una jerarquía de multiples capas. • Si suministras al sistema toneladas de información, comenzará a entender y responder de formas útiles.
- 8. www.TerasoftEC.net Características de bajo nivel Características de nivel medio Salida (exterior, interior) Características de alto nivel Clasificador Deep Learning tiene un proceso automático de aprendizaje de características multietapa integrado que aprende representaciones jerárquicas enriquecidas.
- 9. www.TerasoftEC.net Capas de Convolución Filtro 1 1 1 1 1 1 0.015686 0.015686 0.011765 0.015686 0.015686 0.015686 0.015686 0.964706 0.988235 0.964706 0.866667 0.031373 0.023529 0.007843 0.007843 0.741176 1 1 0.984314 0.023529 0.019608 0.015686 0.015686 0.015686 0.011765 0.101961 0.972549 1 1 0.996078 0.996078 0.996078 0.058824 0.015686 0.019608 0.513726 1 1 1 0.019608 0.015686 0.015686 0.015686 0.007843 0.011765 1 1 1 0.996078 0.031373 0.015686 0.019608 1 0.011765 0.015686 0.733333 1 1 0.996078 0.019608 0.019608 0.015686 0.015686 0.011765 0.984314 1 1 0.988235 0.027451 0.015686 0.007843 0.007843 1 0.352941 0.015686 0.823529 1 1 0.988235 0.019608 0.019608 0.015686 0.015686 0.019608 1 1 0.980392 0.015686 0.015686 0.015686 0.015686 0.996078 1 0.996078 0.015686 0.913726 1 1 0.996078 0.019608 0.019608 0.019608 0.019608 1 1 0.984314 0.015686 0.015686 0.015686 0.015686 0.952941 1 1 0.992157 0.019608 0.913726 1 1 0.988235 0.019608 0.019608 0.019608 0.039216 0.996078 1 0.015686 0.015686 0.015686 0.015686 0.996078 1 1 1 0.007843 0.019608 0.898039 1 1 0.988235 0.019608 0.015686 0.019608 0.968628 0.996078 0.980392 0.027451 0.015686 0.019608 0.980392 0.972549 1 1 1 0.019608 0.043137 0.905882 1 1 1 0.015686 0.035294 0.968628 1 1 0.023529 1 0.792157 0.996078 1 1 0.980392 0.992157 0.039216 0.023529 1 1 1 1 1 0.992157 0.992157 1 1 0.984314 0.015686 0.015686 0.858824 0.996078 1 0.992157 0.501961 0.019608 0.019608 0.023529 0.996078 0.992157 1 1 1 0.933333 0.003922 0.996078 1 0.988235 1 0.992157 1 1 1 0.988235 1 1 1 1 0.015686 0.74902 1 1 0.984314 0.019608 0.019608 0.031373 0.984314 0.023529 0.015686 0.015686 1 1 1 0 0.003922 0.027451 0.980392 1 0.019608 0.023529 1 1 1 0.019608 0.019608 0.564706 0.894118 0.019608 0.015686 0.015686 1 1 1 0.015686 0.015686 0.015686 0.05098 1 0.015686 0.015686 1 1 1 0.047059 0.019608 0.992157 0.007843 0.011765 0.011765 0.015686 1 1 1 0.015686 0.019608 0.996078 0.023529 0.996078 0.019608 0.015686 0.243137 1 1 0.976471 0.035294 1 0.003922 0.011765 0.011765 0.015686 1 1 1 0.988235 0.988235 1 0.003922 0.015686 0.019608 0.019608 0.027451 1 1 0.992157 0.223529 0.662745 0.011765 0.011765 0.011765 0.015686 1 1 1 0.015686 0.023529 0.996078 0.011765 0.011765 0.015686 0.015686 0.011765 1 1 1 1 0.035294 0.011765 0.011765 0.011765 0.015686 1 1 1 0.015686 0.015686 0.964706 0.003922 0.996078 0.007843 0.019608 0.011765 0.054902 1 1 0.988235 0.007843 0.011765 0.011765 0.015686 0.011765 1 1 1 0.015686 0.015686 0.015686 0.023529 1 0.007843 0.007843 0.015686 0.015686 0.960784 1 0.490196 0.015686 0.015686 0.015686 0.007843 0.027451 1 1 1 0.011765 0.011765 0.043137 1 1 0.023529 0.003922 0.007843 0.023529 0.980392 0.976471 0.039216 0.019608 0.007843 0.019608 0.015686 1 1 1 1 1 1 1 1 1 0 1 0 1 -4 1 0 1 0 Imagen de Entrada Imagen Convolucionada
- 10. www.TerasoftEC.net Convolución Imagen de Entrada Imagen Convolucionada (Mapa de Características) a b c d e f g h i j k l m n o p w1 w2 w3 w4 Filtro h1 h2 ℎ1 = 𝑓 𝑎 ∗ 𝑤1 + 𝑏 ∗ 𝑤2 + 𝑒 ∗ 𝑤3 + 𝑓 ∗ 𝑤4 ℎ2 = 𝑓 𝑏 ∗ 𝑤1 + 𝑐 ∗ 𝑤2 + 𝑓 ∗ 𝑤3 + 𝑔 ∗ 𝑤4
- 11. www.TerasoftEC.net Del nivel más bajo hacia características más complejas Imagen de Entrada Capa 1 Mapa de Características Capa 2 Mapa de Características w1 w2 w3 w4 w5 w6 w7 w8 Filtro 1 Filtro 2
- 12. www.TerasoftEC.net Pooling Su función es la de progresivamente reducir el tamaño especial de la representación a fin de reducir el número de parámetros y la cantidad de procesamiento en una red neuronal. • Max pooling • Average pooling 1 3 5 3 4 2 3 1 3 1 1 3 0 1 0 4 MaxPool con filtro 2X2 y “paso” (stride) 2 Matriz de Entrada Matriz de Salida 4 5 3 4
- 13. www.TerasoftEC.net Red Neuronal Convolucional 64 64 128 128 256 256 256 512 512 512 512 512 512 Filtro Max Pool Capas Totalmente Conectadas Arquitectura de Extracción de Características Sala Recámara Cocina Baño Exterior Vector Maxpool de Salida Capa clasificadora
- 15. www.TerasoftEC.net Un framework open source y cross-platform de machine learning para .NET Windows Linux macOS * No se requiere experiencia en ciencia de datos para comenzar * Utiliza tus habilidades y conocimientos en C# o F# para incorporar Machine Learning en tus aplicaciones
- 16. www.TerasoftEC.net Paquetes Nuget ML.NET • Para la mayoría de escenarios • Microsoft.ML • Escenarios de predicción y & detección de anomalías: • Microsoft.ML.TimeSeries • Escenarios de recomendación: • Microsoft.ML.Recommender • Carga de base de datos • System.Data.SqlClient • Consumiendo modelos ONNX: • Microsoft.ML.ONNXTransformer + Microsoft.ML.ImageAnalytics • Consumiendo modelos TensorFlow: • Microsoft.ML.TensorFlow + SciSharp.TensorFlow.Redist + Microsoft.ML.ImageAnalytics • Entrena modelos personalizados de clasificación de imágenes: • Microsoft.ML.Vision + Microsoft.ML.ImageAnalytics + SciSharp.TensorFlow.Redist
- 17. www.TerasoftEC.net MLContext • MLContext = punto de entrada para todas las operaciones ML.NET. • Crea componentes para • Preparación de datos • Feature engineering • Entrenamiento • Predicción • Evaluación de modelos • Logging • Control de ejecución • Seeding
- 18. www.TerasoftEC.net Definición de clase de esquema Dataset Label SepalLength SepalWidth PetalLength PetalWidth Iris-setosa 5.1 3.5 1.4 0.2 Iris-versicolor 7.0 3.2 4.7 1.4 Iris-setosa 4.9 3.0 1.5 0.1 … IDataView IDataview • Los datos en ML.NET se representan como IDataView Altamente dimensional Carga diferida y memoria eficiente
- 19. www.TerasoftEC.net IEstimator define las operaciones que se llevarán a cabo. ITransformer ejecuta las operaciones IEstimator ITransformer Normalización •Min-Max •Binning •Varianza media Valores faltantes •Mostrar •Reemplazar ColumnMapping •Concatenar •Copiar columnas •Remover columnas Conversión de Tipo •Convierte tipo •Asignar valor a clave •Hash Transformación de Texto •Caracterizar el texto •Eliminar stop words •N-grams •Bolsas de palabras
- 20. www.TerasoftEC.net Trainer = Algoritmo + Tarea Stochastic Dual Coordinated Ascent (SDCA) Clasificación Binaria Clasificación Multiclase Regresión SdcaNonCalibrated MulticlassTrainer Sdca RegressionTrainer SdcaNonCalibrated BinaryTrainer Algoritmo Trainer Tarea
- 21. www.TerasoftEC.net Modelo ML.NET Es un archivo zip serializado que contiene los esquemas de datos, las transformaciones realizadas y los algoritmos utilizados Modelo ML.NET MLModel.zip Desktop Web Móvil El modelo puede ser exportado e integrado en otros proyectos y plataformas para su consumo.
- 22. www.TerasoftEC.net Entrenando modelos de deep learning con ML.NET
- 23. www.TerasoftEC.net Demo Imágenes de entrada Datos de entrada
- 24. www.TerasoftEC.net Modelo de datos de entrada Modelo para resultados (predicción) Estructura de la solución Librerías
- 25. www.TerasoftEC.net Librerías utilizadas en el programa principal Rutas base de datos de entrada (entrenamiento, pruebas) y resultados LoadData: método para carga de datos de entrada (imágenes de entrenamiento y validación)
- 26. www.TerasoftEC.net PrintMessage: Método para enviar mensajes a la consola incluyendo fecha y hora
- 27. www.TerasoftEC.net Programa principal Se cargan los datos para aprendizaje supervisado (imágenes con sus etiquetas) Se separan los datos en dos conjuntos: entrenamiento y validación Pipeline de carga: Se cargan las imágenes (previamente solo se tenía la ruta) Opciones de entrenamiento: Se elige el entrenador Clasificador de Imágenes basado en la arquitectura InceptionV3 para el entrenamiento Pipeline de entrenamiento: Se tratará de identificar el daño en la imagen (columna a predecir) Se combinan ambos pipelines
- 28. www.TerasoftEC.net Programa principal (continuación) Se ejecuta el entrenamiento Se comprueba la precisión del modelo usando las imágenes de validación Se muestran las métricas Se prueba el modelo de clasificación con las nuevas imágenes Se preparan nuevas imágenes para predicción Se guarda (exporta) el modelo Se consume el modelo guardado
- 29. www.TerasoftEC.net ConsumingModel: Método para cargar un modelo de clasificación de imágenes previamente entrenado y para preparar imágenes de prueba (no usadas en el entrenamiento o validación) ClassifyImages: Método para probar el modelo de clasificación con una lista de imágenes nuevas
- 30. www.TerasoftEC.net Resultados del proceso Entrenamiento Descubrimiento de características Precisión Tasa de aprendizaje Entropía cruzada
- 31. www.TerasoftEC.net Validación Métricas de precisión Resultados de la validación del modelo Imagen Clase actual Clase identificada
- 32. www.TerasoftEC.net Clasificación de nuevas imágenes con el modelo creado ML Model Exportado como archivo ZIP
- 33. www.TerasoftEC.net Recursos Comienza con ML.NET http://dot.net/ml Revisa los ejemplos http://aka.ms/mlnetsamples Lee la documentación http://aka.ms/mlnetdocs Contribuye en http://aka.ms/mlnet Revisa los videos https://aka.ms/mlnetyoutube
- 36. www.TerasoftEC.net Curso de Xamarin y .NET MAUI • Más info https://www.luisbeltran.mx/2021/07/24/curso-de-xamarin-y-net-maui/
Notas del editor
- ML.NET uses TensorFlow through the low-level bindings provided by the TensorFlow.NET library. The TensorFlow.NET library is an open source and low-level API library that provides the .NET Standard bindings for TensorFlow. That library is part of the open source SciSharp stack libraries. To train image classification models, using the ML.NET API, use the ImageClassification API. You can also train custom deep learning models in Model Builder. The process is generally the same, but in addition to training locally, you can also leverage Azure to train models in GPU enabled compute instances.