Link base de datos:
https://www.kaggle.com/alarcon7a/cnn-data-sources
Redes convolucionales y su importancia
La importancia del computer vision
驴Qu茅 herramientas usaremos para redes neuronales convolucionales?
驴Qu茅 son las redes convolucionales?
Mi primera red neuronal convolucional
Creando nuestra primera red convolucional
Entrenando nuestra primera red convolucional
Manejo de im谩genes
Consejos para el manejo de im谩genes
Manejo de im谩genes con Python
Fundamentos de redes neuronales convolucionales
Kernel en redes neuronales
El kernel en acci贸n
Padding y Strides
Capa de pooling
Arquitectura de redes convolucionales
Quiz: Fundamentos de redes neuronales convolucionales
Resolviendo un problema de clasificaci贸n
Clasificaci贸n con redes neuronales convolucionales
Creaci贸n de red convolucional para clasificaci贸n
Entrenamiento de un modelo de clasificaci贸n con redes convolucionales
Optimizaci贸n de red neuronal convolucional
Data augmentation
Aplicando data augmentation
Callbacks: early stopping y checkpoints
Batch normalization
Optimizaci贸n de modelo de clasificaci贸n
Entrenamiento de nuestro modelo de clasificaci贸n optimizado
Quiz: Optimizaci贸n de red neuronal convolucional
Resolviendo una competencia de Kaggle
Clasificando entre perros y gatos
Entrenamiento del modelo de clasificaci贸n de perros y gatos
Resumen y siguientes pasos
Siguientes pasos con redes neuronales convolucionales
Comparte tu proyecto de clasificaci贸n con redes convolucionales y certif铆cate
You don't have access to this class
Keep learning! Join and start boosting your career
Contributions 8
Questions 6
Link base de datos:
https://www.kaggle.com/alarcon7a/cnn-data-sources
Algunos resultados de Nhaga con la siguiente configuraci贸n:
datagen = ImageDataGenerator(rotation_range=60,
width_shift_range=0.4,
height_shift_range=0.4,
zoom_range=0.3,
horizontal_flip=True,
fill_mode='reflect',
brightness_range=[0.3,1.4]
)
Omi, la gata, viendo el vac铆o
Este m贸dulo contiene utilidades para el preprocesamento y ampliaci贸n de im谩genes. ImageDataGenerator: Es una clase que permite generar lotes de datos de im谩genes con transformaciones en tiempo real, como rotaci贸n, cambio de tama帽o, recorte, etc. Se puede usar para aumentar el conjunto de datos y evitar el sobreajuste. array_to_img: Es una funci贸n que convierte un arreglo de Numpy a una imagen de PIL (Python Imaging Library). Se puede usar para visualizar o guardar una imagen a partir de un arreglo. img_to_array: Es
Ya tengo nuevo wallpaper
img = load_img('/kaggle/input/projfreddy/DL.png')
x = img_to_array(img)
x = np.expand_dims(x, axis=0)
datagen = ImageDataGenerator(
rotation_range=40,
width_shift_range=0.2,
height_shift_range=0.2,
shear_range=0.2,
zoom_range=0.4,
horizontal_flip=True,
fill_mode='nearest'
)
i = 0
for batch in datagen.flow(x, batch_size=10):
plt.figure(i)
imgplot = plt.imshow(array_to_img(batch[0]))
i += 1
if i % 4 == 0: # Mostrar solo 4 im谩genes aumentadas
break
plt.show()
Want to see more contributions, questions and answers from the community?