simple_ai_example
Différences
Ci-dessous, les différences entre deux révisions de la page.
Les deux révisions précédentesRévision précédenteProchaine révision | Révision précédente | ||
simple_ai_example [2020/09/07 15:14] – [Résultat] serge | simple_ai_example [2021/12/14 09:47] (Version actuelle) – ↷ Liens modifiés en raison d'un déplacement. 51.15.19.181 | ||
---|---|---|---|
Ligne 1: | Ligne 1: | ||
====== Exemple simple d'IA ====== | ====== Exemple simple d'IA ====== | ||
- | <WRAP center round box 50% centeralign> | + | |
- | **{{tagpage> | + | <WRAP center round box 60% centeralign> |
+ | **{{tagpage> | ||
+ | </ | ||
+ | <WRAP center round box 60% centeralign> | ||
+ | **[[les_pages_intelligence_artificielle_en_details|Les Pages Intelligence Artificielle en détails]]** | ||
</ | </ | ||
Ligne 79: | Ligne 83: | ||
Voir | Voir | ||
* **[[cupy_vs_numpy|Cupy: | * **[[cupy_vs_numpy|Cupy: | ||
- | * **[[installation_de_cuda|Installation de CUDA]]** sur Xubuntu 18.04 | + | * **[[compilation_de_oepncv_avec_cuda_sur_ubuntu|Installation de CUDA]]** sur Xubuntu 18.04 |
+ | ====Résultat==== | ||
Temps de calcul par cycle: 18.05 s | Temps de calcul par cycle: 18.05 s | ||
Meilleur résultat: learningrate=0.0208 efficacité=82.9 | Meilleur résultat: learningrate=0.0208 efficacité=82.9 | ||
+ | | ||
+ | ====Commentaires==== | ||
+ | Le résultat est très mauvais, alors que c' | ||
==== Code sur GitHub ==== | ==== Code sur GitHub ==== | ||
* **[[https:// | * **[[https:// | ||
===== Avec Tensorflow ===== | ===== Avec Tensorflow ===== | ||
+ | ====Installation==== | ||
+ | sudo pip3 install tensorflow | ||
====Ressources==== | ====Ressources==== | ||
* **[[le_semaphore_avec_tensorflow|Le sémaphore avec TensorFlow]]** | * **[[le_semaphore_avec_tensorflow|Le sémaphore avec TensorFlow]]** | ||
Ligne 96: | Ligne 106: | ||
* **[[https:// | * **[[https:// | ||
- | ==== Résultat ==== | + | ==== Résultat |
< | < | ||
....... | ....... | ||
- | Epoch 46/50 | + | Epoch 7/10 |
- | 500/500 [==============================] - 0s 952us/step - loss: 0.1871 - accuracy: 0.9417 | + | 500/500 [==============================] - 0s 815us/step - loss: 0.6596 - accuracy: 0.8134 |
- | Epoch 47/50 | + | Epoch 8/10 |
- | 500/500 [==============================] - 0s 953us/step - loss: 0.1843 - accuracy: 0.9421 | + | 500/500 [==============================] - 0s 819us/step - loss: 0.6181 - accuracy: 0.8217 |
- | Epoch 48/50 | + | Epoch 9/10 |
- | 500/500 [==============================] - 0s 949us/step - loss: 0.1826 - accuracy: 0.9429 | + | 500/500 [==============================] - 0s 817us/step - loss: 0.5782 - accuracy: 0.8306 |
- | Epoch 49/50 | + | Epoch 10/10 |
- | 500/500 [==============================] - 0s 815us/step - loss: 0.1759 - accuracy: 0.9444 | + | 500/500 [==============================] - 0s 823us/step - loss: 0.5511 - accuracy: 0.8389 |
- | Epoch 50/50 | + | 125/125 [==============================] - 0s 742us/step - loss: 0.5752 - accuracy: 0.8345 |
- | 500/500 [==============================] - 0s 916us/step - loss: 0.1758 - accuracy: 0.9436 | + | |
- | 125/125 [==============================] - 0s 771us/step - loss: 0.2622 - accuracy: 0.9155 | + | |
Testing ...... | Testing ...... | ||
- | Efficacité sur les tests: | + | Efficacité sur les tests: |
- | Calcul | + | Apprentissage |
</ | </ | ||
+ | ==== Résultat sur un portable avec GPU GTX 850m avec epochs = 10==== | ||
+ | < | ||
+ | ....... | ||
+ | |||
+ | 32/4000 [..............................] - ETA: 1s - loss: 0.6138 - acc: 0.812 | ||
+ | 3904/4000 [============================> | ||
+ | 4000/4000 [==============================] - 0s 17us/sample - loss: 0.5527 - acc: 0.8403 | ||
+ | |||
+ | Testing ...... | ||
+ | Efficacité sur les tests: 84.03 % | ||
+ | Apprentissage en 5.9 secondes | ||
+ | </ | ||
====Commentaires==== | ====Commentaires==== | ||
C'est rapide et efficace !\\ | C'est rapide et efficace !\\ | ||
Ligne 121: | Ligne 140: | ||
Tensorflow est optimisé, et en plus tourne avec carte graphique ou non !! | Tensorflow est optimisé, et en plus tourne avec carte graphique ou non !! | ||
+ | Avec GPU, le chargement en RAM GPU prend du temps, qui n'est pas compensé par le calcul plus rapide, car il est trop court. | ||
- | {{tag> | + | {{tag> ia python sb }} |
simple_ai_example.1599491641.txt.gz · Dernière modification : 2020/09/07 15:14 de serge