Praktisches Deep Learning für Cloud, Mobile und Edge

Kapitel 2. Was im Bild ist: Bildklassifizierung mit Keras

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Wenn du die Literatur zum Thema Deep Learning überflogen hast, bist du vielleicht auf eine Flut von akademischen Erklärungen gestoßen, die mit einschüchternder Mathematik gespickt sind. Aber keine Sorge. Wir führen dich in die Praxis des Deep Learning ein, indem wir ein Beispiel für die Klassifizierung von Bildern mit nur wenigen Codezeilen zeigen.

In diesem Kapitel werfen wir einen genaueren Blick auf das Keras-Framework, erörtern seinen Platz in der Deep-Learning-Landschaft und verwenden es dann, um einige Bilder mit Hilfe bestehender moderner Klassifikatoren zu klassifizieren. Wir untersuchen visuell, wie diese Klassifikatoren arbeiten, indem wir Heatmaps verwenden. Mit diesen Heatmaps machen wir ein lustiges Projekt, bei dem wir Objekte in Videos klassifizieren.

Erinnere dich an aus dem "Rezept für die perfekte Deep Learning Lösung", dass wir vier Zutaten für unser Deep Learning Rezept brauchen: Hardware, Datensatz, Framework und Modell. Sehen wir uns an, wie jede dieser Zutaten in diesem Kapitel ins Spiel kommt:

• Wir beginnen mit dem Einfachsten: der Hardware. Für das, was wir in diesem Kapitel tun, reicht schon ein preiswerter Laptop aus. Alternativ kannst du den Code in diesem Kapitel auch ausführen, indem du das GitHub-Notizbuch (siehe http://PracticalDeepLearning.ai) in Colab öffnest. ...