Phương thức Avarage Pooling và Max Pooling

Một phần của tài liệu Nhận dạng và ước lượng calo trong thực phẩm luận văn thạc sĩ công nghệ thông tin (Trang 25 - 27)

Như vậy, với mỗi ảnh đầu vào được đưa qua lấy mẫu ta thu được một ảnh đầu ra tương ứng, có kích thước giảm xuống đáng kể nhưng vẫn giữ được các đặc trưng cần thiết cho quá trình tính toán sau này.

- Lớp kết nối đầy đủ

Lớp kết nối đầy đủ này được thiết kế hoàn toàn tương tự như trong mạng nơron truyền thống, tức là tất cả các điểm ảnh được kết nối đầy đủ với node trong lớp tiếp theo. So với mạng nơron truyền thống, các ảnh đầu vào của lớp này đã có kích thước được giảm bớt rất nhiều, đồng thời vẫn đảm bảo các thông tin quan trọng cho việc nhận dạng. Do vậy, việc tính toán nhận dạng sử dụng mô hình truyền thẳng đã không còn phức tạp và tốn nhiều thời gian như trong mạng nơ ron truyền thống.

2.1.2. Tensorflow - Keras 2.1.2.1. Tensorflow

TensorFlow (https //www.tensorflow.org) là một thư viện phần mềm, được phát triển bởi nhóm Google Brain Team trong nghiên cứu về lĩnh vực trí tuệ nhân tạo của Google, nhằm mục đích thực hiện nghiên cứu học máy và học sâu. TensorFlow sau đó sử dụng đại số kết hợp để tính toán, tối ưu hóa, giúp dễ dàng tính toán nhiều biểu thức toán học giúp rút ngắn thời gian thực hiện tính toán.

Tensorflow hoạt động dựa trên nguyên lý đồ thị dòng chảy dữ liệu. TensorFlow cho phép t ạ o ra dataflow graph, c ấ u trúc mô t ả làm th ế nào d ữ liệ u có thể di chuy ể n qua m ột bi ểu đồ, hay m ột chu ỗi các nút đ ang x ử lý. M ỗi nút trong đồ

thị đạ i di ệ n phép tính toán h ọc, và m ỗi kế t n ối hay m ỗi c ạ nh gi ữ a các nút là m ột m ả ng dữ liệu đa chiều, hay còn được gọi là “ tensor ”.

Các phần tử của Tensorflow gồm

Node

Trong Tensorflow mỗi node là một phép tính tức thời, mỗi phép tính này gồm có một hoặc nhiều dữ liệu đầu vào và lớn hơn 0 đầu ra.

Tensor

Tên của TensorFlow được đưa ra trực tiếp là nhờ vào framework cốt lõi của nó. Trong TensorFlow, tất cả các tính toán đều liên quan tới các tensor. Một Tensor có thể là một véc tơ hay ma trận đa chiều trong không gian đại diện cho tất cả loại dữ liệu. Tất cả giá trị trong một Tensor chứa đựng loại dữ liệu giống hệt nhau với một hình thái đã biết (hoặc đã biết một phần). Hình thái của dữ liệu chính là chiều của ma trận hay mảng.

Một Tensor có thể được bắt nguồn từ dữ liệu đầu vào hay kết quả của một tính toán. Trong TensorFlow, tất cả các hoạt động được tiến hành bên trong một biểu đồ. Biểu đồ là một tập hợp tính toán được diễn ra liên tiếp. Mỗi sự tính toán được diễn ra tại các nút và được kết nối với nhau.

Graph

TensorFlow sử dụng framework dạng biểu đồ. Biểu đồ tập hợp và mô tả tất cả các chuỗi tính toán được thực hiện trong quá trình huấn luyện.

Biểu đồ cho phép bảo toàn các tính toán để sử dụng ngay sau đó hoặc có thể được lưu lại để thực thi trong tương lai.

Tất cả tính toán trong biểu đồ được thực hiện bằng cách kết nối các Tensor lại với nhau.

Tensorflow tối ưu hóa các phép tính dựa trên sự kết nối giữa các đồ thị, mỗi đồ thị bao gồm các nút phụ thuộc lẫn nhau. Khi nhập vào nút y sẽ ảnh hưởng tới nút x, như vậy có thể nói nút x phụ thuộc vào nút y và sự phụ thuộc này được gọi là phụ thuộc trực tiếp thông qua các Tensor. Ví dụ trên Hình 2.5 Nút e phụ thuộc trực tiếp vào nút c, phụ thuộc gián tiếp vào nút a và không phụ thuộc vào nút d.

Một phần của tài liệu Nhận dạng và ước lượng calo trong thực phẩm luận văn thạc sĩ công nghệ thông tin (Trang 25 - 27)

Tải bản đầy đủ (DOCX)

(72 trang)
w