كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجة

التعلم العميق · Deep Learning

تدريب CNN على DigitDataset

Train a CNN on DigitDataset

متوسطالتعلم العميق

شبكة التفافية صغيرة لتصنيف أرقام 28×28 بـ trainnet.

digitPath = fullfile(matlabroot, 'toolbox', 'nnet', 'nndemos', 'nndatasets', 'DigitDataset');
imds = imageDatastore(digitPath, 'IncludeSubfolders', true, 'LabelSource', 'foldernames');
[imTrain, imVal] = splitEachLabel(imds, 0.8, 'randomized');
layers = [imageInputLayer([28 28 1])
          convolution2dLayer(3, 16, 'Padding', 'same'); batchNormalizationLayer; reluLayer
          maxPooling2dLayer(2, 'Stride', 2)
          convolution2dLayer(3, 32, 'Padding', 'same'); batchNormalizationLayer; reluLayer
          fullyConnectedLayer(10); softmaxLayer];
opts = trainingOptions('adam', 'MaxEpochs', 5, 'ValidationData', imVal, ...
                       'Metrics', 'accuracy', 'Plots', 'training-progress');
net = trainnet(imTrain, layers, 'crossentropy', opts);
scores = minibatchpredict(net, imVal);
acc = mean(scores2label(scores, categories(imTrain.Labels)) == imVal.Labels)

شرح الخطوات

  1. DigitDataset مرفقة مع Deep Learning Toolbox (10000 صورة).
  2. طبقتا التفاف مع Batch Normalization وتجميع.
  3. trainnet من R2023b، وminibatchpredict وscores2label من R2024a.

المخرجات المتوقعة

وصف المخرجات
نافذة تقدم التدريب بمنحنيي الخسارة والدقة، ثم قيمة acc لدقة التحقق. لم نشغّل الكود فلا نعرض رقماً.

لم يُشغّل في بيئة إعداد المكتبة لأنه يحتاج: Deep Learning Toolbox. المخرجات أدناه وصف لما يجب أن تراه، لا أرقام فعلية.