README.md

mnist_tf2

  [email protected]

Reconnaissance de chiffres écrits à la main

Cette activité propose la construction, l'entraînement et l'évaluation de réseaux de neurones dédiés à la reconnaissance de chiffres écrits à la main provenant de la banque de données MNIST.

Deux TP sont proposés sous forme de notebooks jupyter 'à trous' :

• TP1_MNIST_dense.ipynb : rappels sur des concepts fondamentaux en ML (neurone artificiel, fonction d'activation, one-hot coding, catégorisation des labels, entraînement du réseau, affichage de la matrice de confusion...). Le notebook aborde ensuite la construction d'un réseau dense à 2 couches, et son antraînement pour la reconnaissance des chifres MNIST, avec une précision qui voisine de 98 %.

• TP2_MNIST_convol.ipynb : construction d'un réseau convolutionnel pour la reconnaissance des chifres MNIST qui peut atteindre 99 % de réusssite.

En cas de blocage pour compléter les notebook 'à trous', les notebooks Sol_TP1_MNIST.ipynb et Sol_TP2_MNIST.ipynb présentent des solutions pour TP1 et TP2. Les solutions sont présentées exécutées dans les notebooks Sol_TP1_MNIST-executed.ipynb et Sol_TP2_MNIST-executed.ipynb.

À la suite de ces TP, tu pourras créer tes propres images de chiffres écrits à la main pour tester les performances des réseaux entraînés.

Principaux points abordés dans les TP

• neurone artificiel,
• réseau de neurones,
• fonction d'activation,
• téléchargement et visualisation des images MNIST (handwritten digits),
• préparation des images et des labels pour entraÎner le réseau de neurones,
• construction d'un réseau de neurones dense puis convolutionnel avec tensorFlow-keras,
• entraînement des réseaux,
• courbes de précision et de perte,
• matrice de confusion,
• callback tensorflow Early Stopping pour éviter le sur-entraînement.
• exploitation des réseaux avec des chiffres manuscrits hors banque MNIST.

Acquis d'apprentissage

À l'issue de cette activité, tu sauras :

• Télécharger les images de la banque MNIST avec le module Python keras.
• À la suite du TP1, tu sauras utiliser les modules tensorflow2 & keras pour développer et évaluer un réseau de neurone dense dédié à la reconnaissance des images MNIST.
• À la suite du TP2, tu sauras utiliser les modules tensorflow2 & keras pour développer et évaluer un réseau de neurone convolutif dédié à la reconnaissance des images MNIST.
• Utiliser tes propres images de chiffres écrits à la main pour évaluer les réponse d'un réseau de neurones entraîné avec la banque MNIST.