Neuronales Netz für das MNIST-Dataset

Aufgabe

Das Programm soll handschriftliche Ziffern von 0 – 9 erkennen.

Warum geht das nicht mit einem klassischen Programm?

Da Handschriften einzigartig, sind auch die Bilder der Ziffern einzigartig. Das Programm kann nicht alle handgeschriebenen Ziffern auswendig lernen, da jede neue Ziffern etwas anders aussehen wird. Das Programm muss Eingaben erkennen, die es vorher noch nie gesehen hat.

Algorithmen des Maschinellen Lernens – als Teil der Künstlichen Intelligenz – können nach einer Trainingsphase auch auf Eingaben reagieren, die nicht im Training dabei waren. In diesemm Workshop nutzen wir davor ein Neuronales Netz, das mit der Bibiothek PyTorch in Python programiert wird.

Nach dem Training kann das erstellte Neuronale Netz bewertet werden.

Maschinelles Lernen

Der Workshop

Im Workshop wird erklärt, wie mit Python und PyTorch ein Neuronales Netz für das MNIST-Dataset trainiert werden kann. Das MNIST-Dataset enthält Schriftproben für die Ziffern 0 bis 9. Das Neuronale Netz soll danach mit hoher Sicherheit handschriftliche Ziffern erkennen können.

MNIST-Dataset

Von Josef Steppan – Eigenes Werk, CC BY-SA 4.0, commons.wikimedia.org/w/index.php?curid=64810040

Neuronales Netz

PyTorch-Tutorial

Alternative Tutorials

Jupyter Notebook im Colab von Google

PythonGuide-Tutorial;
colab.research.google.com/drive/1VhqkdDPxkhM-6TR7uNbt6v9GDefAmGjh?usp=sharing

Training des Neuronalen Netzes

Von ChatGPT mit Anzeige des Bildes:
colab.research.google.com/drive/1mHkzYY20jpMk60nCp0eYphsniK23mPGE?usp=sharing

Glossar

Dokumentation