Kommunikatsiyalarini rivojlantirish vazirligi «vlsi tizimini loyihalashtirish» fanidan amaliy mashg
Yüklə 5,01 Kb. Pdf görüntüsü
|
|
8.4. Neyron tarmoq’ini arxitekturasi
. Birinchi bosqichda, Modelga yo‘naltirilgan loyihalash kontseptsiyasiga muvofiq tarmoq arxitekturasi yoki algoritm modelini ishlab chiqish uchun har bir raqam uchun 28 × 28 pikselli 1000 ta tasvirni o‘z ichiga olgan tasvirlar 139 to‘plamidan foydalanish maqsadga muvofiq bo‘ladi. Masalan, har bir raqam uchun 750 ta tasvirni o‘rgatish, qolgan ma’lumotlarda esa tarmoqning to‘g‘riligini tekshirishga ishlatish mumkin. Masalan, dastlab tarmoqda 15 qatlam va tuzilish 8.12-rasmda ko‘rsatilgan va bu tarmoq arxitekturasi tasvirlarning sinovlar to‘plamida 99,8% aniqligini ko‘rsatdi. 8.12-rasm. Boshlangich neyron tarmog‘idagi qatlamlar tuzilishi. MATLAB Deep Learning Toolbox kutubxonasi funktsiyalari neyron tarmoqni yaratish va o‘qitish uchun ishlatilishi mumkin. Keyingi harakatlar tarmoqning arxitekturasini optimallashtirishga yo‘naltirilgan bo‘lishi kerak, bu esa tarmoqning hisoblash murakkabligini kamaytirish (bir tasvirni tasniflash uchun matematik operatsiyalar soni), bashoratli aniqlikni ozgina yo‘qotishi bilan uning ish faoliyatini oshiradi. keyinchalik FPGA -dagi resurslarni tejash (kerakli apparat ko‘paytiruvchilar sonini kamaytirish va tarmoq koeffitsientlarini (og‘irliklarini) saqlash uchun xotirani kamaytirish). 140 Optimallashtirish jarayonida keyin NT arxitekturasi 98,8% aniqlikdagi 7 qatlamdan iborat bo‘ladi (8.13 -rasm). 8.13-rasm. Optimallashtirilgan NT qatlamlari tuzilishi. Shunday qilib, birinchi bosqichda NT arxitekturasini soddalashtirib qatlamlari kamroq bo‘lgan tarmoq yaratiladi. Qatlamlar soni ikki baravarga (15 tadan 7 tagacha) qisqargan, shu bilan birga tanib olish aniqligi atigi 1% ga (99,8% dan 98,8% gacha) kamaygan. Natijada qo‘yilga maqsad, yaniy tarmoqni apparat platformasida (VLSI FPGA -da) amalga oshirish va ishlatiladigan resurslarni kamaytirish imkoniyatini yaratildi. Yüklə 5,01 Kb. Dostları ilə paylaş:
|