Comment programmer un réseau neuronal

Programmer un réseau neuronal

Un guide étape par étape pour implémenter un réseau neuronal à partir de zéro

Dans cet article, nous allons construire un réseau neuronal à partir de zéro et l’utiliser pour classer des chiffres écrits à la main.

Pourquoi réinventer la roue/réseau neuronal, me direz-vous? Ne puis-je pas simplement utiliser mon framework d’apprentissage automatique préféré et en finir avec ça? Oui, il existe de nombreux frameworks prêts à l’emploi que vous pouvez utiliser pour construire un réseau neuronal (Keras, PyTorch et TensorFlow, pour n’en citer que quelques-uns). Le problème avec l’utilisation de l’un de ces frameworks est qu’ils nous permettent de traiter les réseaux neuronaux comme des boîtes noires.

Ce n’est pas toujours une mauvaise chose. Souvent, nous avons besoin de ce niveau d’abstraction pour pouvoir travailler sur le problème en question, mais nous devrions quand même nous efforcer d’avoir au moins une compréhension de base de ce qui se passe en interne si nous voulons utiliser des réseaux neuronaux dans notre travail.

Construire un réseau neuronal à partir de zéro est, à mon avis, la meilleure façon de favoriser une compréhension approfondie de leur fonctionnement.

• Apprentissage par différence temporelle et l’importance de l’exploration un guide illustré
• Une taxonomie du traitement du langage naturel
• La recherche à Stanford présente PointOdyssey un ensemble de données synthétique à grande échelle pour le suivi à long terme des points.

À la fin de cet article, vous aurez appris les algorithmes de feedforward et de backpropagation, ce qu’est une fonction d’activation, quelle est la différence entre une époque et un lot, et comment entraîner un réseau neuronal. Nous terminerons par un exemple en entraînant un réseau neuronal à reconnaître des chiffres écrits à la main.

Tout le code utilisé dans cet article est disponible ici sur GitHub [1].

Qu’est-ce qu’un réseau neuronal?

Les réseaux neuronaux, ou réseaux neuronaux artificiels, sont un type d’algorithme d’apprentissage automatique. Ils constituent le cœur de nombreux systèmes d’apprentissage profond et d’intelligence artificielle tels que la vision par ordinateur, les prévisions et la reconnaissance vocale.

La structure des réseaux neuronaux artificiels est parfois comparée à celle des réseaux neuronaux biologiques du cerveau. Je recommande toujours de faire preuve de prudence avant de tirer trop de conclusions de cette comparaison. Certes, les réseaux neuronaux artificiels ressemblent un peu aux réseaux neuronaux biologiques, mais il est assez audacieux de les comparer à quelque chose d’aussi complexe qu’un cerveau humain.

Un réseau neuronal est composé de plusieurs couches de neurones. Chaque couche de neurones est activée en fonction des activations dans la couche précédente, un ensemble de poids connectant la couche précédente…

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!