Model CIFAR 10 je založený na ConvNet.js od Andreja Karpathyho a databázach CIFAR, kde sú milióny obrázkov určených práve na tréning detekcie objektov z obrázkov, lebo majú aj labels, to znamená, že ku každému obrázku je aj veta/záznam o tom, čo na danom obrázku je. V CIFAR 10 a CIFAR 100 je okolo 80 miliónov farebných obrázkov o rozmere 32x32 pixelov. V princípe sa jedná o kategorizačnú úlohu a v tomto prípade je našou úlohou naučiť neurónovú sieť rozoznávať rôzne predmety, ktoré budú na začiatku úlohy známe. Bude sa jednať o lietadlo, vtáka, auto, koňa, psa, loď, ... . Sieť treba natrénovať na 60 000 obrázkoch z CIFAR 10 a na 10 000 obrázkoch otestovať. Natrénovanej sieti sa potom predloží obrázok, ktorý ešte nikdy nevidela a bude mať za úlohu odpovedať, či na tomto obrázku vidí predmety, o ktorých sa učila. Pre začiatočníkov v oblasti umelej inteligencie, machine learning, deep learning a neurónových sietí je skutočne zážitok sledovať výpočty a proces učenia sa a testovania takto online.

Training Stats

Learning rate:
Momentum:
Batch size:
Weight decay:




Loss:

Instantiate a Network and Trainer


Network Visualization

Example predictions on Test set