l_intelligence_du_semaphore
Différences
Ci-dessous, les différences entre deux révisions de la page.
Les deux révisions précédentesRévision précédenteProchaine révision | Révision précédente | ||
l_intelligence_du_semaphore [2019/10/10 13:27] – Tag0 Added: python serge | l_intelligence_du_semaphore [2020/12/27 15:07] (Version actuelle) – serge | ||
---|---|---|---|
Ligne 1: | Ligne 1: | ||
====== L' | ====== L' | ||
- | <WRAP center round box 80% centeralign> | + | <WRAP center round box 60% centeralign> |
- | **{{tagpage> | + | **{{tagpage> |
+ | </ | ||
+ | <WRAP center round box 60% centeralign> | ||
+ | **[[les_pages_intelligence_artificielle_en_details|Les Pages Intelligence Artificielle en détails]]** | ||
+ | </ | ||
+ | |||
+ | <WRAP center round box 60% centeralign> | ||
+ | **{{tagpage> | ||
</ | </ | ||
<WRAP center round box 60% centeralign> | <WRAP center round box 60% centeralign> | ||
C'est quoi un sémaphore ? | C'est quoi un sémaphore ? | ||
{{ youtube> | {{ youtube> | ||
- | {{ chappe.jpeg? | + | {{ media_05:chappe.jpeg? |
</ | </ | ||
Ligne 18: | Ligne 25: | ||
<WRAP group> | <WRAP group> | ||
<WRAP third column> | <WRAP third column> | ||
- | {{: | + | {{media_03: |
</ | </ | ||
<WRAP third column> | <WRAP third column> | ||
- | {{: | + | {{media_03: |
</ | </ | ||
<WRAP third column> | <WRAP third column> | ||
- | {{: | + | {{media_03: |
</ | </ | ||
</ | </ | ||
Ligne 31: | Ligne 38: | ||
<WRAP group> | <WRAP group> | ||
<WRAP third column> | <WRAP third column> | ||
- | {{:2019_03: | + | {{media_01: |
</ | </ | ||
<WRAP third column> | <WRAP third column> | ||
- | {{:2019_03: | + | {{media_01: |
</ | </ | ||
<WRAP third column> | <WRAP third column> | ||
- | {{:2019_03: | + | {{media_01: |
</ | </ | ||
</ | </ | ||
Ligne 44: | Ligne 51: | ||
===== Des maths ! ==== | ===== Des maths ! ==== | ||
====Relu Rectifier neural networks==== | ====Relu Rectifier neural networks==== | ||
- | {{ :2019_05: | + | {{ media_12: |
* **[[https:// | * **[[https:// | ||
<code python> | <code python> | ||
Ligne 64: | Ligne 71: | ||
<code python> | <code python> | ||
def relu_prime(z): | def relu_prime(z): | ||
- | """ | + | """ |
- | | + | |
- | Une fonction indicatrice, | + | Une fonction indicatrice, |
- | | + | C'est donc la fonction H (discontinue en 0) prenant la valeur 1 pour tous les réels positifs et la valeur 0 pour les réels strictement négatifs. |
- | | + | |
- | C'est donc la fonction H (discontinue en 0) prenant la valeur 1 pour tous | + | |
- | | + | |
""" | """ | ||
return np.asarray(z > 0, dtype=np.float32) | return np.asarray(z > 0, dtype=np.float32) | ||
</ | </ | ||
====Sigmoïd==== | ====Sigmoïd==== | ||
- | {{ :2019_05: | + | {{ media_12: |
* **[[https:// | * **[[https:// | ||
Elle représente la fonction de répartition de la loi logistique. Elle est souvent utilisée dans les réseaux de neurones parce qu' | Elle représente la fonction de répartition de la loi logistique. Elle est souvent utilisée dans les réseaux de neurones parce qu' | ||
Ligne 96: | Ligne 100: | ||
====Diagonale de 1==== | ====Diagonale de 1==== | ||
- | {{ :2019_02: | + | {{ media_01: |
- | numpy.eye(N, | + | |
+ | numpy.eye(N, | ||
+ | | ||
Return a 2-D array with ones on the diagonal and zeros elsewhere. | Return a 2-D array with ones on the diagonal and zeros elsewhere. | ||
Matrice ou la sortie est idéale: le 1 correspond à entée[i] = sortie[i], et entée[j], | Matrice ou la sortie est idéale: le 1 correspond à entée[i] = sortie[i], et entée[j], | ||
Ligne 109: | Ligne 115: | ||
Un réseau de neurones Perceptron multicouches est un type de réseau dont l' | Un réseau de neurones Perceptron multicouches est un type de réseau dont l' | ||
- | ====Notre réseau==== | ||
- | Réseau de neurones: | ||
- | |||
- | **Une colonne de 1600 en entrée, 2 nodes de 100, une sortie de 27 caractères.** | ||
===== Réseau de neurones Convolutif ===== | ===== Réseau de neurones Convolutif ===== | ||
Ligne 124: | Ligne 126: | ||
Enfin, là c'est de l' | Enfin, là c'est de l' | ||
- | {{ :2019_04: | + | ====Notre réseau==== |
+ | **Une colonne de 1600 en entrée, 2 nodes de 100, une sortie de 27 caractères.** | ||
+ | |||
+ | {{ media_01: | ||
La totalité du projet est à **[[https:// | La totalité du projet est à **[[https:// | ||
+ | ====Installation==== | ||
+ | Installation de pip3: | ||
+ | sudo apt install pip3 | ||
+ | Installation de numpy et opencv | ||
+ | sudo pip3 install opencv numpy | ||
+ | Il faut installer mon [[pymultilame|module python perso]] disponible sur Github | ||
+ | sudo pip3 install -e git+https:// | ||
+ | | ||
+ | ====Le script==== | ||
<file python ia.py> | <file python ia.py> | ||
# | # | ||
Ligne 173: | Ligne 187: | ||
def training(self): | def training(self): | ||
- | """ | + | """ |
print(" | print(" | ||
Ligne 303: | Ligne 317: | ||
</ | </ | ||
+ | =====La même chose avec Cupy ou Tensorflow===== | ||
+ | * **[[cupy_vs_numpy|Cupy: | ||
+ | * **[[le_semaphore_avec_tensorflow|Le sémaphore avec TensorFlow]]** | ||
===== Etape suivante: YOLO Darknet===== | ===== Etape suivante: YOLO Darknet===== |
l_intelligence_du_semaphore.1570714054.txt.gz · Dernière modification : 2019/10/10 13:27 de serge