TensorFlow +OpenVINO 整合開發(fā)CR-A11-吸納專家直覺的CNN特征提取器

目錄目錄1.介紹特征提取器2.復習：卷積運算3.如何訓練卷積核4.如何納入專家直覺5.二維(2D)卷積運算6.二維卷積的范例7.范例：把專家直覺納入AI模型里8.范例實現(xiàn)：以護理排班為例11取器，可以有多個輸出(例如，用于來自CNN不同層的激活)“Thesymbolforthefeature-extractionmodule.Itrepresentsaryfeatureextractorthatcanhavemultipleoutputs(e.g.foractivationsfromdifferentlayersofanCNN).”見。例如：特征提取與分類器的組合Encoder2充當局部特征提取器，并直接輸入到分類器中?！癟hispaperproposesanovelEncoder1-Encoder2architecture,whereglobalinformationisincorporatedintotheprocedureoflocalfeatureextractionfromscratch.Inparticular,Encoder1servesasaglobalinformationprovider,whileEncoder2performsasalocalfeatureextractorandisdirectlyfedintotheclassifier.”Encoder2充當局部特征提取器，并直接輸入到分類器中。WWyyyyWW1010里的局部特征。如下圖：嬛們來提取其特征值：兩兩相乘&求和兩兩相乘&求和嬛們來提取其特征值：兩兩相乘&求和兩兩相乘&求和?丫嬛們提取的特征，成為格格的訓練資料。一。22兩兩相乘&求和Y[]Y[]Y[]Y[]Y[]Y[]Y[]331010(Pixel)的顏色。?每一幅屏幕畫面或一張圖片，都是由許多小光點所組成的，像，通稱為數(shù)字圖像。?每一個像素都具有三個數(shù)值，代表紅光、綠光、藍光的亮RGB的疊合來得到各種顏色。復習：光的三原色GB之后就呈現(xiàn)出白光。?訓練出W&B了，就可拿W來作為卷積核。>相?于是，就能設計一個分類器(模型)了。訓練卷積核上述分類器的訓練結果：ernel并進行正規(guī)化，得出如下：并進行正規(guī)化，得出如下：行<兩兩相乘&求和>計算。素。Python卷積步驟：提取的高階特征44范例：專家直覺范例：專家直覺說明：鐘變化，屬于正常變化；否則為異常變化(跳機)。如果出現(xiàn)＜連續(xù)異常變化＞就必須停機檢修。范例：專家直覺現(xiàn)＜連續(xù)異常變化(跳機)＞就必須停機檢修。態(tài)紀錄數(shù)據(jù)，如下：范例：專家直覺?有一位負責檢視機器狀態(tài)的老師傅來了，他一眼就能看出了這部機器，在過去一周(工作6天)里并沒有出現(xiàn)＜連續(xù)異常變化(跳機)＞的現(xiàn)象。?所以不必須停機檢修。?那么AI是否也能瞬間看出來呢??茲把這些數(shù)據(jù)呈現(xiàn)于Excel表格里，如下圖：專專家直接提供卷積核內容(W)?運用專家直覺，把它表達于卷積核里：?請按下<卷積>，就拿K0[]和K1[]卷積核來對X[]進行卷積運算，得到Y0[]：?從上圖里的Y0[]就可以看出來了：有一個值達到510，代表發(fā)現(xiàn)一次異常(跳機)現(xiàn)象，從紅色狀態(tài)跳到藍色?，F(xiàn)一次異常(跳機)現(xiàn)象，從藍色跳到紅色。?接下來，請按下<相加>。把K0[]所提取的特征(即Y0)與K1[]?從Z[]可以看出來：在本周里總共跳機2次。?人類專家一眼就看得出來：本周沒有發(fā)生<連續(xù)兩天跳機>的現(xiàn)象。?答案是：可以的。連續(xù)跳機>呢?答案是：再進行一次特征提取(卷積)就可以看出來了。范例：專家直覺?接下來，請按下<卷積>。就拿KZ[]卷積核來對Z[]進行卷積運算，得到YZ[]，就可以看出來了。?請看看Python程序，來實現(xiàn)上述的情境。?卷積核的W，直接從專家心中來。?卷積核的W，直接從專家心中來。?卷積核的W，直接從專家心中來。?卷積核的W，直接從專家心中來。yy1特征表?卷積核的W，直接從專家心中來。?卷積核的W，直接從專家心中來。?發(fā)現(xiàn)了2次跳機?YZ[]都小于1020，沒有<連續(xù)跳機>的現(xiàn)象專專家只提供直覺判斷?設計一個分類器，來吸納專家智慧(給標簽)?展開訓練請看看Python程序，來實現(xiàn)上述的情境。請看看Python程序，來實現(xiàn)上述的情境。來卷積核?發(fā)現(xiàn)了2次跳機?Z2[]都小于1.0，沒有<連續(xù)跳機>的現(xiàn)象55?其中，左上角部分是AI模型的一些參數(shù)。?中間淺藍色部分是卷積運算的數(shù)據(jù)，也就是卷積的對象。卷積核的權重。?這是卷積的對象(原始資料)：?這是卷積核：兩兩相乘?請按下<卷積>，就會進行兩兩相乘&求和：?然后會向右滑動1個元素的距離。?向右滑動1個元素的距離(一步)。這稱為”步長”?這樣，一步一步地滑，滑到這邊就結束了：：更改數(shù)據(jù)和參數(shù)?您可以來修改數(shù)據(jù)和參數(shù)更改數(shù)據(jù)和參數(shù)?您可以來修改數(shù)據(jù)和參數(shù)乘&求和：乘&求和：更改數(shù)據(jù)和參數(shù)到這邊就結束了：662D卷積的范例2D卷積的范例W])：?剛才已經(jīng)基于人類的知識，來設計出一個卷積核了。數(shù)據(jù)，來進行卷積運算。應用該卷積核應用該卷積核應用該卷積核應用該卷積核?滑動到最右下角，就完成了。應用該卷積核?最后，就可以發(fā)現(xiàn)張照片里的飛機有兩個引擎。應用該卷積核?最后，就可以發(fā)現(xiàn)張照片里的飛機有兩個引擎。應用到新的圖像?最后，就可以發(fā)現(xiàn)張照片里的飛機有兩個引擎。應用到新的圖像?接著，對新圖像進行卷積：應用到新的圖像?卷積結果是：應用到新的圖像?最后，就可以發(fā)現(xiàn)張照片里的飛機有4個引擎。請看看Python程序，來實現(xiàn)上述的情境。應用該?實際運行，輸出結果：77每個情況都是新且獨立的情況。專家直覺帶給人們瞬間洞察力，也就是鑒往知來的能力。容，其憑借的就是專家直覺。?藉由分類器來吸納專家的智慧。含了專家智慧。把專家直覺納入AI模型里把專家直覺納入AI模型里把專家直覺納入AI模型里把專家直覺納入AI模型里?得到大丫環(huán)的特征表這筆有許多I?預測的結果呈現(xiàn)于粉紅色底的部分：?以上的范例，只是展示<特征提取器>的基礎能不好>的排班表。?基于這項基礎，未來可以進一步組合AE模型，來進排班>的工作。?祝福您輕松愉快更上一層樓。88延續(xù)上一小節(jié)的護理排班范例?方法--設計一個分類器，讓專家貼上標簽，進行訓練，學習專家直覺。步驟2：遷移出3個卷積核(Kernel)?方法--從(步驟1)已經(jīng)訓練好的分類器里，遷移出Wh，成為3個卷積核。步驟3：開始進行卷積家審視排班表。?方法--讓3個卷積核(昵稱：丫環(huán))，對排班表進行卷積。步驟4：將3個特征表(Featuremap)匯合?目標--針對排班表的每一筆，得出一個特征表。(匯合)出單一特征表。計高層分類器(昵稱：格格)，并進行訓練。訓練)資料，并展開訓練。?方法--將訓練好的FX和FCL模型匯出到*.pb檔案。撰寫Python代碼?撰寫一支Python程序。?訓練好的FX和FCL模型匯出到*.pb檔案。撰寫Python代碼練數(shù)據(jù)撰寫Python代碼準備FX的撰寫Python代碼FX模型撰寫Python代碼撰寫Python代碼撰寫Python代碼撰寫Python代碼從FX模型里撰寫Python代碼積撰寫Python代碼展展撰寫Python代碼?進行池化，縮小卷積表池化池化撰寫Python代碼?建立FCL分類器池化FCLFCL分類器池化特池化特撰寫Python代碼撰寫Python代碼?匯出了FCL.pb檔案。FXFX訓練好了大大Y環(huán)的FCLFCL撰寫Python代撰寫Python代碼FCL分類器99優(yōu)化模型：使用ModelOptimizer行優(yōu)化動作。?優(yōu)化完成，會輸出IR檔案。區(qū)Windows行窗口出發(fā)：vinodeploymenttoolsmodeloptimizerModelOptimizer工作區(qū)了：這指示：讀取*.pb檔案是--C:\\pb\\Feature_Extractor.pb”。也告訴它：轉換出來的IR檔案的儲存路徑(文件夾)，例如指定放在”C:\\pb\\”里。輸入資料的格式是：[1,8]。完成時，會出現(xiàn)畫面：此時優(yōu)化器將PB模型檔，成功地轉換出IR檔案了。2.3輸入命令，優(yōu)化FCL.pb這指示：讀取*.pb