From e89a83dd28c5a3fc7696cbe93ea942c2af9d9af8 Mon Sep 17 00:00:00 2001 From: Alexandre MEYER <alexandre.meyer@univ-lyon1.fr> Date: Tue, 26 Sep 2023 14:02:49 +0000 Subject: [PATCH] Update file TP_Classification.md --- web/content/am/TP_Classification.md | 14 +++++++------- 1 file changed, 7 insertions(+), 7 deletions(-) diff --git a/web/content/am/TP_Classification.md b/web/content/am/TP_Classification.md index 1a99db0..47d6c3f 100644 --- a/web/content/am/TP_Classification.md +++ b/web/content/am/TP_Classification.md @@ -61,7 +61,7 @@ Ce code génère des points (les données) procéduralement, donc autant que l'o L'apprentissage se passe en différentes phases. * La définition du réseau. -* La configuration de l'optimisation (optimizer), en général [[https://fr.wikipedia.org/wiki/Algorithme_du_gradient_stochastique Stochastic Gradient Descent]] couplé à une fonction d'erreur. +* La configuration de l'optimisation (optimizer), en général [https://fr.wikipedia.org/wiki/Algorithme_du_gradient_stochastique](Stochastic Gradient Descent) couplé à une fonction d'erreur. * La phase d'entrainement optimise les poids de chaque neurone à partir des données d'entrée couplées à leur sortie. La fonction d'erreur sert de mesure à faire descendre. * Une phase d'évaluation **avec des données que le réseau n'a jamais vu** pour mesurer la qualité de l'apprentissage. @@ -156,8 +156,8 @@ exemple, pour reconnaitre le nombre à partir de l'image du nombre écrit ou rec Pour ce type de tâche, le réseau approprié est le ConvNET ou CNN : Convolution Neural Network. Vous pouvez lire des explications sur ce qu'est un CNN : -* [[https://medium.com/@CharlesCrouspeyre/comment-les-r%C3%A9seaux-de-neurones-%C3%A0-convolution-fonctionnent-b288519dbcf8|Plutôt vulgarisation]] -* [[https://ujjwalkarn.me/2016/08/11/intuitive-explanation-convnets/|Explication intuitive]] +* [https://medium.com/@CharlesCrouspeyre/comment-les-r%C3%A9seaux-de-neurones-%C3%A0-convolution-fonctionnent-b288519dbcf8](Plutôt vulgarisation) +* [https://ujjwalkarn.me/2016/08/11/intuitive-explanation-convnets/](Explication intuitive)  @@ -167,9 +167,9 @@ Pour ce TP, nous vous invitons à utiliser [une base de données d'images issue Il est également possible d'utiliser différentes base de données plus classiques : * MNIST : un base de donnée de chiffre manuscrits -* la base de données de caractères [[https://www.nist.gov/itl/iad/image-group/emnist-dataset|EMNIST]]. Elle est disponible également [[https://s3.amazonaws.com/nist-srd/SD19/by_merge.zip|ici avec les images rangées dans un répertoire dont le nom est le code ascii en hexa]]. -* Toutes les bases classiques de reconnaissance de catégorie d'images: [[https://www.cs.toronto.edu/~kriz/cifar.html|CIFAR-10 ou CIFAR-100]] -* Un peu plus de challenge avec "[[https://www.kaggle.com/c/quickdraw-doodle-recognition/data|quickdraw-doodle-recognition]]" : une base de dessins manuels à reconnaitre, 300 classes, 73 Go de données vectoriels et $12000 de récompense ... +* la base de données de caractères [https://www.nist.gov/itl/iad/image-group/emnist-dataset|EMNIST]. Elle est disponible également [https://s3.amazonaws.com/nist-srd/SD19/by_merge.zip](ici avec les images rangées dans un répertoire dont le nom est le code ascii en hexa). +* Toutes les bases classiques de reconnaissance de catégorie d'images: [https://www.cs.toronto.edu/~kriz/cifar.html|CIFAR-10] ou CIFAR-100 +* Un peu plus de challenge avec "[https://www.kaggle.com/c/quickdraw-doodle-recognition/data|quickdraw-doodle-recognition]" : une base de dessins manuels à reconnaitre, 300 classes, 73 Go de données vectoriels et $12000 de récompense ... @@ -215,7 +215,7 @@ Un exemple de code qui charge une base d'images, voir également la doc de [imag ``` -* [[https://github.com/ncullen93/torchsample/blob/master/examples/Transforms%20with%20Pytorch%20and%20Torchsample.ipynb|Un très bon tutoriel sur le chargement de données avec PyTorch]] +* [https://github.com/ncullen93/torchsample/blob/master/examples/Transforms%20with%20Pytorch%20and%20Torchsample.ipynb](Un très bon tutoriel sur le chargement de données avec PyTorch) -- GitLab