Redes Neuronales Convolucionales + Ejemplo usando Keras-Tensorflow
ฝัง
- เผยแพร่เมื่อ 4 ต.ค. 2024
- Hola mundo! ..les saluda el ingeniero informático Mitchell Blancas desde Trujillo-Perú, dedicado desde inicios del 2014 a la docencia universitaria y a la investigación.
Subríbete y activa la campanita de mi canal de youtube para ver importante contenido en ciencia de la computación (principalmente sobre deep learning y vision computacional). También, sígueme en mi página de facebook:
/ mitchellblancas18
o en mi facebook personal:
/ mitchellpaulo.blancasn...
de lo mejorcito en español, buen video.
Viejo explicas mejor que el muchos profesores
Muchísimas gracias por los buenos comentarios, ya estaré subiendo otro video sobre redes neuronales Convolucionales...pero esta vez le agregaré el deploy a un servidor, heroku x ejemplo!..Saludos!!!
Buen video, tengo 2 preguntas, cuando mencionas a las imagenes como data estructurada ,no seria data no estructurada, y otra pregunta, por cada convolusion el volumen se duplica?
Gracias.
me podrías ayudar con la bibliografía utilizada por favor. Excelente video
I guess im asking the wrong place but does any of you know of a method to get back into an instagram account??
I was stupid forgot the login password. I love any tips you can give me!
@Killian Rocky Instablaster =)
@Simon Azariah Thanks for your reply. I found the site thru google and Im waiting for the hacking stuff now.
Looks like it's gonna take a while so I will get back to you later with my results.
Los mejores 71 minutos mejor invertidos en mi vida. Gracias desde Lima
S-O-S U-N G-R-O-S-O 👏👏 En las universidades hacen falta personas como tú.
Muchas Gracias por tomarse el tiempo de hacer el video para compartir sus conocimientos!
Gracias! de todos los vídeos que vi en la red, con el tuyo fue el único que me quedó claro el funcionamiento de las redes convolucionales y la aplicación de padding y strides!!
Excelente explicación. Muchísimas gracias, la verdad que me aclaraste tantas dudas sobre lo que pasaba dentro de la red convolucional, que ahora si, estoy en posición de continuar con su estudio para aplicarlas.
Excelente video, muy útil y super completo!! Gracias!
Me ayudó a entender más de las ConvNet y despejar mis dudas que tenía. Muchas gracias y espero sigas explicando tal y como lo haces.
No puedo creer que solo tengas 60 laiks , 😨, magistral la explicación 👍, te ganaste una 🍺, 🍻🍻 🎵clink clink clink🎵
Muchas gracias por el gran trabajo que hace
Saludos desde Ibague Colombia, genial tu explicacion gracias por compartir tu conocimiento. Suscrito
Muchas gracias por el tiempo que se ah tomado, excelente video me aclaro algunas dudas , espero mas adelante ver como mover un modelo y desarrollarlo en una aplicacion de escritorio o web >< Saludos desde Chincha -Ica
Mis felicitaciones por su buen trabajo estimado, muy buena explicación.
Muchas Gracias Mitchell por compartir tu investigación, es un video muy bien explicado, en particular me ayudó a entender mejor el funcionamiento de las ConvNet. Éxito en tu canal y en tu carrera!
Gracias a tu video pasé mi primer entrevista de trabajo, agradecido por siempre !!
Gracias, me sirvieron mucho tus videos. Ojala sigas creciendo en youtube asi tus videos pueden llegar a mas personas.
Excelente video profe ^_^. Claro y preciso. Saludos👍
excelente amigo, muy buen aporte felicitaciones
MUCHAS GRACIAS POR EL VIDEO,BIEN EXPLICADO Y ENTENDI A LA PERFECCION!!!
¡Esto es grandioso!, Muchas gracias
Haha, dos meses de clases resumidas en una hora, que buen servicio. 👌😁
Hola, gracias por compartir tu conocimiento. Tengo una pregunta ¿Cómo se puede saber el tamaño de cada imagen del set de datos y cómo se sabe cuál redimensión es la más ideal?
muchas gracias buen trabajo
Excelente video!
Excelente explicación y trabajo estimado Mitchell. Talvez algún tutorial orientado a reconocimiento facial con CNN o aplicando Transfer learning????
min 36:00 esa explicacion me gusto crack; por supuesto todo el video tambien, gracias puede entenderlo mejor
muy buen trabajo Mitchel!!!.. tienes la oportunidad de hacer un video de los otros dos tipos de redes? (deteccion de objectos y segmentacion?)
Muchas Gracias!
Hola, el video esta muy bueno y me gustaría hacer una investigación matemática de esto, me podrías recomendar alguna fuente que tenga los pasos matemáticos específicos para lograr el reconocimiento facial, por favor.
buen contenido, existe algun producto en el mercado para permitir detectar estados de ánimo con el analisis de la llamada telefónica? (por ejemplo para un call center)
Excelente explicación, muchas gracias! Podrías compartir el código?
sos mi idolo
Pero si dejabas el codigo para descargarlo, hubiese sido mejor.
hola una pregunta al momento de correr solo me genre el val_loss y el val_accuracy en la primera epoca y en las demás solo loss y accuracy del entrenamiento no se que me falta gracias
muy bueno
disculpe no hace asesorías...
@@robertoc.a.mundiale2874 si estimado escríbeme a mi correo o WhatsApp
@@infomitchell
Me pasa su Whatssap porfabor
gracias buena explicacion, donde consigo ese ejemplo de las CNN con la imagen del numero 8? del minuto 36:19??
se le agradeceria la bibliografia utilizada gracias
yo también quiero la bibliografía, quizá la encontró o me puede recomendar alguna por favor
sera posible que publiques el codigo para descargar?
que version de keras y tensorflow usas ?
Dropout es un método de regularización, ¿verdad?
Sí, lo es
podrias decirme que programas utilizaste para realizarlo?
Muy buen video. Disculpe me sale este error: AttributeError: module 'tensorflow.python.keras.optimizers' has no attribute 'Adam' . Ojala me pueda ayudar, me dice que no existe ni ese, ningun otro optimizador.
@light lrc si logre resolverlo, gracias por la ayuda.
@@gabrielachiluisa8855 disculpe como lo resolvio
Hola, me podrias ayudar como lo terminaste resolviendo
¿Se puede acceder al código para recrear la explicación de forma práctica?
import sys
import os
from tensorflow.python.keras.preprocessing.image import ImageDataGenerator
from tensorflow.python.keras import optimizers
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import Dropout, Flatten, Dense, Activation
from tensorflow.python.keras.layers import Convolution2D, MaxPooling2D
from tensorflow.python.keras import backend as K
K.clear_session()
data_entrenamiento = './data/entrenamiento'
data_validacion = './data/validacion'
"""
Parameters
"""
epocas=20
longitud, altura = 150, 150
batch_size = 32
pasos = 1000
validation_steps = 300
filtrosConv1 = 32
filtrosConv2 = 64
tamano_filtro1 = (3, 3)
tamano_filtro2 = (2, 2)
tamano_pool = (2, 2)
clases = 3
lr = 0.0004
##Preparamos nuestras imagenes
entrenamiento_datagen = ImageDataGenerator(
rescale=1. / 255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
test_datagen = ImageDataGenerator(rescale=1. / 255)
entrenamiento_generador = entrenamiento_datagen.flow_from_directory(
data_entrenamiento,
target_size=(altura, longitud),
batch_size=batch_size,
class_mode='categorical')
validacion_generador = test_datagen.flow_from_directory(
data_validacion,
target_size=(altura, longitud),
batch_size=batch_size,
class_mode='categorical')
cnn = Sequential()
cnn.add(Convolution2D(filtrosConv1, tamano_filtro1, padding ="same", input_shape=(longitud, altura, 3), activation='relu'))
cnn.add(MaxPooling2D(pool_size=tamano_pool))
cnn.add(Convolution2D(filtrosConv2, tamano_filtro2, padding ="same"))
cnn.add(MaxPooling2D(pool_size=tamano_pool))
cnn.add(Flatten())
cnn.add(Dense(256, activation='relu'))
cnn.add(Dropout(0.5))
cnn.add(Dense(clases, activation='softmax'))
cnn.compile(loss='categorical_crossentropy',
optimizer=optimizers.Adam(lr=lr),
metrics=['accuracy'])
cnn.fit_generator(
entrenamiento_generador,
steps_per_epoch=pasos,
epochs=epocas,
validation_data=validacion_generador,
validation_steps=validation_steps)
target_dir = './modelo/'
if not os.path.exists(target_dir):
os.mkdir(target_dir)
cnn.save('./modelo/modelo.h5')
cnn.save_weights('./modelo/pesos.h5')
no tiene audio?