В этой статье мы рассмотрим на примере, как можно использовать Visual Tools for AI локально, у себя на компьютере, для тренировки моделей.
Для того, чтобы запустить пример, вам, предварительно, необходимо установить Visual Tools for AI и настроить окружение (установить необходимый набор дополнительных библиотек), о том как это сделать написано в здесь. Мы будем работать с примером, который предоставляют разработчики VS Tools for AI.
Загрузка примеров для VS Tools for AI
Загрузим примеры проектов для Visual Tools for AI, для этого откройте командную строку и введите в ней следующие команды.
> git clone https://github.com/Microsoft/samples-for-ai.git > cd samples-for-ai > cd installer > python.exe install.py
Размер загружаемого набора чуть больше 250 МБ, в нем содержатся проекты для framwork’ов, поддерживаемых VS Tools for AI: CNTK, TensorFlow, Caffe2, Keras, MXNet, Chainer, Theano. Имейте ввиду, что работа скрипта install.py может занять достаточно большое время, это связано с тем, что в он проверят список инсталлированного на вашем компьютере программного обеспечения, которое нужно для работы с примерами, и установливает недостающие компоненты. Почти для всех библиотек есть пример решения задачи распознавания рукописных символов с использованием набора MNIST (http://yann.lecun.com/exdb/mnist/). В рамках данной статьи мы рассмотрим как решить эту задачу с использованием TensorFlow.
Тренировка модели с использованием TensorFlow
Мы будем обучать модель с использованием TensorFlow, задача – распознавание рукописных символов (цифры). Для решения задачи будет использована база данных MNIST, которая содержит 60000 объектов для обучения и 10000 объектов для тестирования. Объект – это одна цифра, написанная рукой человека, представленная в виде вектора. Вектор строится следующим образом: берется изображение цифры, переводится в черно-белый вид и масштабируется под размер 27х27 пикселей. Это нам даст 27х27=729 пикселей, цвет (в градации серого) каждого пикселя кодируется цифрой от 0 до 255. Таким образом, мы получаем 729 элементов, составляющих один вектор. Обучающая выборка – это таблица размера 60000х729, тестовая выборка – 10000х729.
Для работы нам понадобится TensorFlow, Numpy и Scipy. Если они у вас ещё не установлены, то рекомендуем вам обратиться к статье “Visual Studio Tools for AI. Установка и Настройка”, там написано о том, как это сделать.
Приступим непосредственно к запуску примера.
1. Запустите Visual Studio.
2. Откройте проект samples-for-ai\examples\tensorflow\TensorflowExamples.sln
3. В окне Solution Explorer нажмите правой кнопкой мыши на проекте MNIST и в появившемся меню выберите Set as StartUp Project.
4. Нажмите на кнопку Start для запуска проекта.
5. При запуске программы будут загружены и распакованы нужные наборы данных, и запустится непосредственно сам процесс обучения.
6. В процессе обучения модели будут выводиться промежуточные результаты. После того, как процесс обучения будет закончен, окончательный результат – ошибка на тестовом наборе данных, будет выведен в терминал.
Статья является вольным переводом страницы “Train a TensorFlow model locally” с официального github репозитория Visual Studio Tools for AI.
