مكون الشبكة العصبية متعددة الفئات
توضح هذه المقالة مكونا في مصمم التعلم الآلي Azure.
استخدم هذا المكون لإنشاء نموذج شبكة عصبية يمكن استخدامه للتنبؤ بهدف له قيم متعددة.
على سبيل المثال، يمكن استخدام الشبكات العصبية من هذا النوع في مهام رؤية الكمبيوتر المعقدة، مثل التعرف على الأرقام أو الأحرف وتصنيف المستندات والتعرف على الأنماط.
التصنيف باستخدام الشبكات العصبية هو أسلوب تعلم خاضع للإشراف، وبالتالي يتطلب مجموعة بيانات ذات علامة تتضمن عمود تسمية.
يمكنك تدريب النموذج عن طريق توفير النموذج ومجموعة البيانات ذات العلامات كمدخل لتدريب النموذج. يمكن بعد ذلك استخدام النموذج المدرب للتنبؤ بالقيم لأمثلة الإدخال الجديدة.
حول الشبكات العصبية
الشبكة العصبية هي مجموعة من الفئات المترابطة. المدخلات هي الطبقة الأولى، وهي متصلة بطبقة إخراج بواسطة رسم بياني لا دوري يتكون من حواف وعقد ترجيحية.
بين طبقات الإدخال والإخراج يمكنك إدراج عدة طبقات مخفية. يمكن إنجاز معظم المهام التنبؤية بسهولة باستخدام طبقة واحدة أو بضع طبقات مخفية. ومع ذلك، فقد أظهرت الأبحاث الحديثة أن الشبكات العصبية العميقة (DNN) ذات الطبقات المتعددة يمكن أن تكون فعالة في المهام المعقدة مثل التعرف على الصور أو الكلام. تُستخدم الطبقات المتتالية لنمذجة المستويات المتزايدة من العمق الدلالي.
يتم تعلم العلاقة بين المدخلات والمخرجات من خلال تدريب الشبكة العصبية على بيانات الإدخال. يستمر اتجاه الرسم البياني من المدخلات عبر الطبقة المخفية وطبقة الإخراج. كل العقد في الطبقة متصلة بواسطة الحواف الموزونة بالعقد الموجودة في الطبقة التالية.
لحساب ناتج الشبكة لمدخل معين، يتم حساب القيمة في كل عقدة في الطبقات المخفية وفي طبقة الإخراج. يتم تعيين القيمة بحساب المجموع المرجح لقيم العقد من الطبقة السابقة. ثم يتم تطبيق وظيفة التنشيط على هذا المبلغ المرجح.
تكوين الشبكة العصبية متعددة الفئات
أضف مكون الشبكة العصبية متعددة الفئات إلى المسار لديك في المصمم. يمكنك العثور على هذا المكون ضمن التعلم الآلي، التهيئة في فئة التصنيف.
إنشاء وضع المدرب: استخدم هذا الخيار لتحديد كيفية تدريب النموذج:
معلمة واحدة: حدد هذا الخيار إذا كنت تعرف بالفعل كيف تريد تكوين النموذج.
نطاق المعلمات: حدد هذا الخيار إذا لم تكن متأكدا من أفضل المعلمات، وتريد تشغيل مسح المعلمات. حدد نطاقاً من القيم للتكرار، وتتكرر مقاييس ضبط المعلمات الفائقة للنموذج عبر جميع المجموعات الممكنة من الإعدادات التي قدمتها لتحديد المعلمات الفائقة التي تنتج النتائج المثلى.
مواصفات الطبقة المخفية: حدد نوع بنية الشبكة المراد إنشاؤها.
حالة متصلة بالكامل: حدد هذا الخيار لإنشاء نموذج باستخدام بنية الشبكة العصبية الافتراضية. بالنسبة لنماذج الشبكة العصبية متعددة الفئات، تكون الإعدادات الافتراضية كما يلي:
- طبقة مخفية واحدة
- طبقة الإخراج متصلة بالكامل بالطبقة المخفية.
- الطبقة المخفية متصلة بالكامل بطبقة الإدخال.
- يتم تحديد عدد العقد في طبقة الإدخال من خلال عدد الميزات في بيانات التدريب.
- يمكن تعيين عدد العقد في الطبقة المخفية من قبل المستخدم. الوضع الافتراضي هو 100.
- يعتمد عدد العقد في طبقة الإخراج على عدد الفئات.
عدد العقد المخفية: يتيح لك هذا الخيار تخصيص عدد العقد المخفية في البنية الافتراضية. اكتب عدد العقد المخفية. الإعداد الافتراضي هو طبقة مخفية واحدة مع 100 عقدة.
معدل التعلم: حدد حجم الخطوة المتخذة في كل تكرار، قبل التصحيح. يمكن أن تتسبب القيمة الأكبر لمعدل التعلم في تقارب النموذج بشكل أسرع، ولكن يمكنه الإفراط في استكشاف الحد الأدنى المحلي.
عدد تكرارات التعلم: حدد الحد الأقصى لعدد المرات التي يجب أن تعالج فيها الخوارزمية حالات التدريب.
قطر أوزان التعلم الأولية: حدد أوزان العقدة في بداية عملية التعلم.
الزخم: حدد وزناً لتطبيقه أثناء التعلم على العقد من التكرارات السابقة.
أمثلة التبديل العشوائي: حدد هذا الخيار لتبديل الحالات بين التكرارات.
إذا قمت بإلغاء تحديد هذا الخيار، فستتم معالجة الحالات بنفس الترتيب تمامًا في كل مرة تقوم فيها بتشغيل المسار.
القيمة الأولية للعدد العشوائي: اكتب قيمة لاستخدامها كقيمة أولية، إذا كنت تريد التأكد من إمكانية التكرار عبر عمليات تشغيل نفس المسار.
تدريب النموذج:
إذا قمت بتعيين Create trainer mode إلى Single Parameter، فقم بتوصيل مجموعة بيانات ذات علامة ومكون Train Model.
إذا قمت بتعيينوضع إنشاء المدربلـنطاق المعلمات، فقم بتوصيل مجموعة البيانات ذات العلامة وتدريب النموذج باستخدامضبط المعلمات الفائقة للنموذج.
ملاحظة
إذا قمت بتمرير النطاق المتعلق بمعلمة إلىتدريب النموذج، فإنه يستخدم القيمة الافتراضية فقط في قائمة المعلمات الفردية.
إذا قمت بتمرير مجموعة واحدة من قيم المعلمات إلى المكونلضبط المعلمات الفائقة، عندما يتوقع نطاقاً من الإعدادات لكل معلمة، فإنه يتجاهل القيم ويستخدم القيم الافتراضية للمتعلم.
إذا حددت الخيار نطاق المعلمات وأدخلت قيمة واحدة لأي معلمة، يتم استخدام هذه القيمة المفردة التي حددتها طوال عملية المسح، حتى إذا تغيرت المعلمات الأخرى عبر نطاق من القيم.
النتائج
بعد انتهاء التدريب:
- لحفظ لقطة للنموذج المدرب، حدد علامة التبويب Outputs في اللوحة اليمنى لمكون نموذج Train. حدد أيقونة تسجيل مجموعة البيانات لحفظ النموذج كمكوِّن قابل لإعادة الاستخدام.
الخطوات التالية
راجع مجموعة المكونات المتوفرة للتعلم الآلي من Azure.