مكون الشبكة العصبية متعدد الطبقات
توضح هذه المقالة مكونا في Azure التعلم الآلي مصمم.
استخدم هذا المكون لإنشاء نموذج شبكة عصبية يمكن استخدامه للتنبؤ بهدف يحتوي على قيم متعددة.
على سبيل المثال ، يمكن استخدام الشبكات العصبية من هذا النوع في مهام رؤية الكمبيوتر المعقدة ، مثل التعرف على الأرقام أو الحروف ، وتصنيف المستندات ، والتعرف على الأنماط.
التصنيف باستخدام الشبكات العصبية هو طريقة تعلم خاضعة للإشراف ، وبالتالي يتطلب مجموعة بيانات موسومة تتضمن عمود تسمية.
يمكنك تدريب النموذج من خلال توفير النموذج ومجموعة البيانات الموسومة كمدخل إلى نموذج القطار. يمكن بعد ذلك استخدام النموذج المدرب للتنبؤ بالقيم لأمثلة الإدخال الجديدة.
حول الشبكات العصبية
الشبكة العصبية هي مجموعة من الطبقات المترابطة. المدخلات هي الطبقة الأولى ، ويتم توصيلها بطبقة إخراج بواسطة رسم بياني غير حلقي يتكون من حواف وعقد مرجحة.
بين طبقات الإدخال والإخراج يمكنك إدراج طبقات مخفية متعددة. يمكن إنجاز معظم المهام التنبؤية بسهولة باستخدام طبقة واحدة فقط أو بضع طبقات مخفية. ومع ذلك ، فقد أظهرت الأبحاث الحديثة أن الشبكات العصبية العميقة (DNN) مع العديد من الطبقات يمكن أن تكون فعالة في المهام المعقدة مثل التعرف على الصور أو الكلام. تستخدم الطبقات المتعاقبة لنمذجة مستويات متزايدة من العمق الدلالي.
يتم تعلم العلاقة بين المدخلات والمخرجات من تدريب الشبكة العصبية على بيانات المدخلات. ينتقل اتجاه الرسم البياني من المدخلات عبر الطبقة المخفية وإلى طبقة الإخراج. يتم توصيل جميع العقد في الطبقة بواسطة الحواف المرجحة بالعقد في الطبقة التالية.
لحساب مخرجات الشبكة لمدخلات معينة، يتم حساب قيمة عند كل عقدة في الطبقات المخفية وفي طبقة المخرجات. يتم تعيين القيمة عن طريق حساب المجموع المرجح لقيم العقد من الطبقة السابقة. ثم يتم تطبيق دالة تنشيط على هذا المجموع المرجح.
تكوين الشبكة العصبية متعددة الفئات
أضف مكون الشبكة العصبية متعددة الفئات إلى خط الأنابيب الخاص بك في المصمم. يمكنك العثور على هذا المكون ضمن التعلم الآلي، تهيئة، في فئة التصنيف.
إنشاء وضع المدرب: استخدم هذا الخيار لتحديد الطريقة التي تريد تدريب النموذج بها:
معلمة واحدة: حدد هذا الخيار إذا كنت تعرف بالفعل كيف تريد تكوين النموذج.
نطاق المعلمات: حدد هذا الخيار إذا لم تكن متأكدا من أفضل المعلمات، وتريد تشغيل عملية مسح معلمة. حدد نطاقا من القيم لتكراره، وتكرر المعلمات التشعبية لنموذج Tune على جميع المجموعات الممكنة من الإعدادات التي قدمتها لتحديد المعلمات التشعبية التي تنتج أفضل النتائج.
مواصفات الطبقة المخفية: حدد نوع بنية الشبكة المراد إنشاؤها.
حالة متصلة بالكامل: حدد هذا الخيار لإنشاء نموذج باستخدام بنية الشبكة العصبية الافتراضية. بالنسبة لنماذج الشبكات العصبية متعددة الفئات، تكون الإعدادات الافتراضية كما يلي:
- طبقة واحدة مخفية
- طبقة الإخراج متصلة بالكامل بالطبقة المخفية.
- الطبقة المخفية متصلة بالكامل بطبقة الإدخال.
- يتم تحديد عدد العقد في طبقة الإدخال من خلال عدد المعالم في بيانات التدريب.
- يمكن تعيين عدد العقد في الطبقة المخفية من قبل المستخدم. الوضع الافتراضي هو 100.
- يعتمد عدد العقد في طبقة الإخراج على عدد الفئات.
عدد العقد المخفية: يتيح لك هذا الخيار تخصيص عدد العقد المخفية في البنية الافتراضية. اكتب عدد العقد المخفية. الافتراضي هو طبقة مخفية واحدة مع 100 عقدة.
معدل التعلم: حدد حجم الخطوة المتخذة في كل تكرار، قبل التصحيح. يمكن أن تؤدي القيمة الأكبر لمعدل التعلم إلى تقارب النموذج بشكل أسرع ، ولكن يمكن أن يتجاوز الحد الأدنى المحلي.
عدد تكرارات التعلم: حدد الحد الأقصى لعدد المرات التي يجب أن تعالج فيها الخوارزمية حالات التدريب.
قطر أوزان التعلم الأولية: حدد أوزان العقدة في بداية عملية التعلم.
الزخم: حدد وزنا لتطبيقه أثناء التعلم على العقد من التكرارات السابقة.
أمثلة المراوغة: حدد هذا الخيار لخلط الحالات بين التكرارات.
إذا قمت بإلغاء تحديد هذا الخيار، تتم معالجة الحالات بنفس الترتيب تماما في كل مرة تقوم فيها بتشغيل خط الأنابيب.
بذرة الأرقام العشوائية: اكتب قيمة لاستخدامها كبذرة، إذا كنت ترغب في ضمان إمكانية التكرار عبر عمليات التشغيل لنفس خط الأنابيب.
تدريب النموذج:
إذا قمت بتعيين إنشاء وضع مدرب إلى معلمة واحدة، فقم بتوصيل مجموعة بيانات ذات علامات تمييز بمكون نموذج القطار .
إذا قمت بتعيين إنشاء وضع المدرب إلى نطاق المعلمات، فقم بتوصيل مجموعة بيانات ذات علامات وتدريب النموذج باستخدام معلمات Tune Model Hyperمعلمات.
ملاحظة
إذا قمت بتمرير نطاق معلمات إلى نموذج القطار، فإنه يستخدم فقط القيمة الافتراضية في قائمة معلمات واحدة.
إذا قمت بتمرير مجموعة واحدة من قيم المعلمات إلى مكون Tune Model Hyperparameters ، فعندما تتوقع نطاقا من الإعدادات لكل معلمة ، فإنها تتجاهل القيم وتستخدم القيم الافتراضية للمتعلم.
إذا قمت بتحديد خيار نطاق المعلمات وأدخلت قيمة واحدة لأي معلمة، استخدام هذه القيمة المفردة التي حددتها خلال عملية المسح، حتى إذا تغيرت المعلمات الأخرى عبر نطاق من القيم.
النتائج
بعد اكتمال التدريب:
- لحفظ لقطة للنموذج المدرب، حدد علامة التبويب المخرجات في اللوحة اليمنى من مكون نموذج القطار . حدد أيقونة تسجيل مجموعة البيانات لحفظ النموذج كمكون قابل لإعادة الاستخدام.
الخطوات التالية
راجع مجموعة المكونات المتوفرة ل Azure التعلم الآلي.