taralino

Projektaufgabe Mnist

Bislang haben wir uns in diesem Kurs mit der Klassifikation von Strichzeichnungen unter Verwendung des Doodle-Pakets beschäftigt. Darüber hinaus stehen weitere Datenpakete zur Verfügung, welche zum Trainieren und Testen eines Faltungsnetzwerks verwendet werden können:

Das Mnist-Paket beinhaltet Daten zur Klassifikation handgeschriebener Ziffern.

Zur Referenz

Das FashionMnist-Paket beinhaltet Daten zur Klassifikation von Kleidungsstücken.

Zur Referenz

Nun liegt es an dir, Faltungsnetzwerke bezüglich dieser Datensätze zu spezifizieren.

Beispiel

Quellcode zum Einstieg in die Projektaufgabe.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
  <script src="Mnist.js"></script>
</head>
<body>
<script>

// ConvNet-Layout definieren
var image_size = [28, 28];
var layout = [{count:1,size:3,pooling:1}];
ConvNet.init(image_size, layout);

// Trainingsdaten abrufen und ConvNet anwenden
var X = Mnist.train({format:"matrix"});
for (var k = 0; k < X.length; k++) X[k].input = ConvNet.compute(X[k].input);

// Testdaten abrufen und ConvNet anwenden
var Y = Mnist.test({format:"matrix"});
for (var k = 0; k < Y.length; k++) Y[k].input = ConvNet.compute(Y[k].input);

// Umfang der Trainings- und Testdaten
Console.print(X.length);
Console.print(Y.length);

</script>
</body>
</html>

Vorschau Download Kopie speichern

Aufgabe

Mache dich mit den Mnist-Datensätzen vertraut und spezifiziere ein Faltungsnetzwerk zur Lösung der zugehörigen Klassifikationsaufgabe. Einige Vorschläge zur Vorgehensweise:

Führe zunächst eine erste Trainings- und Testphasen durch.
Finde ein Layout sowie Parameter der Trainingsphase, sodass die Klassifikationsaufgabe möglichst gut gelöst wird.
Dokumentiere dein bestes Ergebnis.
Diskutiere und bewerte die jeweilige Konfusionsmatrix.
Analysiere die Trainingsphase (d.h. Anteil der korrekt klassifizierten Testdaten in Abhängigkeit der durchgeführten Iterationen der Trainingsphase).
Bewerte sämtliche Ergebnisse im Vergleich zwischen einem (klassischen) neuronalen Netz und einem Faltungsnetzwerk.

Vergiss nicht, die Datenpakete im Quellcode einzubinden. Schaue dir dazu am besten die Beispiele in der jeweiligen Referenz an.