Saya menggunakan ChatGPT untuk menulis rangkaian saraf: Saya tidak menukar perkataan, dan hasilnya ternyata sangat berguna.

Sejak dilancarkan lewat tahun lepas, model AI perbualan ChatGPT telah menjadi popular di seluruh komuniti.

CtGPT sememangnya alat yang menakjubkan, seperti "Kotak Pandora". Sebaik sahaja anda menemui cara yang betul untuk membukanya, anda mungkin mendapati anda tidak boleh hidup tanpanya lagi.

Sebagai pemain serba boleh, orang ramai mempunyai pelbagai permintaan untuk ChatGPT Sesetengah orang menggunakannya untuk menulis kertas, dan sesetengah orang menggunakannya untuk bersembang. Buka minda anda sedikit lagi Memandangkan ChatGPT ialah "raja" AI, adakah ia akan menulis AI?

Baru-baru ini, seorang blogger dalam bidang pembelajaran mesin mempunyai idea tiba-tiba dia memutuskan untuk membenarkan ChatGPT membina rangkaian saraf dan menggunakan Keras untuk menyelesaikan masalah MNIST.

MNIST dianggap sebagai masalah klasik dalam bidang pembelajaran mesin. Walaupun set data digit tulisan tangan ini telah beransur-ansur pudar daripada bidang penglihatan komputer, kepentingan peringatannya tidak boleh diabaikan Set data pertama untuk ramai orang bermula dengan pembelajaran mendalam dan percubaan pertama untuk mengesahkan algoritma ialah MNIST.

Tanpa berlengah lagi, saya mula bekerja sebaik sahaja saya memikirkannya. Penulis hanya meminta ChatGPT untuk menulis sekeping kod yang kelihatan sempurna tanpa perlu mengubah apa-apa.

Ini adalah permulaan yang hebat.

CtGPT memilih entropi silang kategori sebagai fungsi kehilangan. Penulis mencadangkan untuk menulis semula kod silang entropi kategori, dan ChatGPT menggantikannya dengan entropi silang kategori jarang Kod yang dikemas kini masih boleh berfungsi. Ia boleh didapati bahawa fungsi kehilangan baharu menyerahkan penukaran klasifikasi label.

Kod yang dijana oleh ChatGPT menggunakan lapisan bersambung sepenuhnya, tetapi pengarang mahu menggunakan lapisan konvolusi. Oleh itu, ChatGPT mengubah suai kod seperti yang diarahkan dan menambah lapisan Conv2D dan MaxPooling.

Kemudian datang peringkat menilai model akhir, di mana penulis telah ChatGPT menulis kod menggunakan set ujian.

Hasilnya kelihatan hebat, dan setiap balasan ChatGPT disertakan dengan penjelasan penuh. Sebagai contoh, dalam penilaian ini, ia dijelaskan seperti ini:

Kaedah "Evaluate" mengambil data ujian dan label ujian sebagai parameter dan mengembalikan nilai yang ditentukan semasa penyusunan model ( di sini, ketepatan) Kehilangan dan Pengukuran. Coretan kod di atas mengeluarkan ketepatan ujian, yang sepatutnya memberi anda gambaran tentang sejauh mana model itu digeneralisasikan kepada data baharu.

Model menggunakan keseluruhan set ujian sebagai data pengesahan semasa latihan. Penulis kemudian meminta ChatGPT untuk menukar ini kepada 20% daripada data latihan.

Selain itu, pengarang mahukan kelompok yang lebih kecil dan menjalankan kod untuk tempoh yang lebih sedikit. Walaupun ChatGPT tidak diperlukan untuk langkah ini, dia tidak mahu menukar kod tanpa mengemas kini konteks ChatGPT.

Jadi tugasan ini masih jatuh pada ChatGPT:

Seterusnya, penulis bercadang untuk merancang latihan dan ujian kerugian semasa proses latihan. Cadangan ChatGPT ialah garis yang sesuai dengan model perlu ditukar untuk menangkap nilai yang terhasil.

Untuk menunjukkan beberapa contoh daripada set data, pengarang meminta ChatGPT menulis kod untuk menghasilkan gabungan imej dan tag. Kod untuk output ini juga sempurna dan disertakan dengan koleksi 20 imej.

Apabila membina model, ia juga perlu melihat strukturnya. Jika anda bertanya soalan ini kepada ChatGPT, jawapannya ialah:

ChatGPT memberikan ringkasan model:

Ringkasan model berguna, tetapi penulis ingin melihat gambar rajah yang menunjukkan struktur model. Jadi teruskan bertanya:

Hasilnya memuaskan Akhirnya, kami bersedia untuk menggunakan model ini dan biarkan ChatGPT Simpan model ke cakera:

Sekarang, pengarang ingin mencipta kelas yang menggunakan model yang disimpan untuk ramalan. Gesaan ini menarik dan penyelesaiannya sempurna.

Sekarang tulis satu contoh untuk meramalkan label 10 imej rawak menggunakan kelas peramal:

Untuk mencapai matlamat ini, penulis meminta ChatGPT memaparkan matriks kekeliruan:

Apa yang hendak dikatakan atau tidak, Gaya yang digunakan oleh ChatGPT sangat bagus.

Selepas menyelesaikan semua percubaan, pengarang menerbitkan semua kod yang dihasilkan oleh ChatGPT Anda juga boleh mencubanya:

Alamat: https://colab.research.google.com/drive/1JX1AVIfGtIlnLGqgHrK6WPylPhZvu9qe?usp=sharing

Atas ialah kandungan terperinci Saya menggunakan ChatGPT untuk menulis rangkaian saraf: Saya tidak menukar perkataan, dan hasilnya ternyata sangat berguna.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!