TP Machine Learning avec Keras/Tensorflow

  [email protected]

Versions

version	date	commentaire
v1.0	2019-07-02	Version initiale / Réseau dense
v1.0	2019-07-02	Consolidation des versions keras=2.2.4, tensorflow=1.13.1, numpy=16.1
v2.0	2022-07-17	Tensorflow 2

Ce TP est utilisé pour les séances d'Informatique des étudiants de 2me année du Bachelor de technologie de l'ENSAM de Talence.

Les activités présentées sont initialement inspirées du travail de Jason Brownlee : Handwritten Digit Recognition using Convolutional Neural Networks in Python with Keras publié en juin 2016 à l'adresse https://machinelearningmastery.com/handwritten-digit-recognition-using-convolutional-neural-networks-python-keras/

Programmation/entraînement/évaluation d'un réseau de neurones dédié à la reconnaissance de chiffres manuscrits.

Cette activité propose la découverte de la programmation, de l'entraînement et de l'évaluation d'un réseau de neurones dédié à la reconnaissance de chiffres écrits à la main.

Les principaux points abordés dans ce TP sont :

• neurone artificiel,
• réseau de neurones,
• fonction d'activation,
• construction d'un réseau de neurones dense en Python avec tensorFlow/keras,
• téléchargement et visualisation des images MNIST (banque d'images de chiffres manuscrits),
• préparation des données (images) pour entraÎner le réseau de neurones,
• entraînement du réseau,
• courbes de précision et de perte du réseau,
• exploitation du réseau avec des chiffres manuscrits personnalisés.

Cahiers IPython proposés

Deux cahiers IPython (aka Jupyter notebook) sont proposés :

• TP_MNIS_Keras_dense.ipynb : le cahier à trous pour travailler avec un simple réseau dense,
• TP_MNIS_Keras_dense-soluce.ipynb : le cahier complet avec toutes les réponses.

Acquis d'apprentissage

À l'issue de cette activité, vous saurez :

• télécharger les images de la banque MNIST avec le module Python Keras.
• construire/évaluer avec le module tensorflow/keras un réseau de neurone dense dédié à la reconnaissance des images MNIST,
• utiliser vos propres images de chiffres pour évaluer les réponse d'un réseau entraîné avec la banque d'images du MNIST.

Autres ressources

• répertoire figures : contient les figures (ou les sources pour produire les figures) utilisées dans les cahiers IPython,
• répertoire chiffres : contient des images représentant des chiffres écrits à la main, hors banque MNIST.
• répertoire util_python : contient des programmes Python utiles...
  activFunctions.py : trace les figures de quelques fonctions d'activation couramment utilisées.