PyTorch CNN Tutorial

What You Will Learn

• पाइथन में कॉन्वोल्यूशनल न्यूरल नेटवर्क (सीएनएन) का उपयोग करके छवियों को वर्गीकृत करने के लिए एक मॉडल बनाना सीखेंगे।
• सीएनएन मॉडल में कॉन्वोल्यूशनल लेयर, मैक्स पूलिंग लेयर, और फुली कनेक्टेड लेयर का उपयोग करना सीखेंगे।
• पाइथन में सीएनएन मॉडल को प्रशिक्षित करने और उसकी सटीकता की जांच करने के लिए कोड लिखना सीखेंगे।

Key Concepts

• कॉन्वोल्यूशनल न्यूरल नेटवर्क (सीएनएन): यह एक प्रकार का न्यूरल नेटवर्क है जो छवियों को वर्गीकृत करने के लिए उपयोग किया जाता है।
• कॉन्वोल्यूशनल लेयर: यह सीएनएन मॉडल की एक लेयर है जो छवि के विभिन्न हिस्सों को स्कैन करती है और उनके बीच संबंधों को खोजती है।
• मैक्स पूलिंग लेयर: यह सीएनएन मॉडल की एक लेयर है जो छवि के विभिन्न हिस्सों को कम करती है और उन्हें अधिक महत्वपूर्ण बनाती है।
• फुली कनेक्टेड लेयर: यह सीएनएन मॉडल की एक लेयर है जो छवि के विभिन्न हिस्सों को एक साथ जोड़ती है और उनके बीच संबंधों को खोजती है।

Code Examples

• class CNN(nn.Module): - यह सीएनएन मॉडल की एक क्लास है जो पाइथन में निर्मित की जाती है।
• self.conv1 = nn.Conv2d(1, 8, kernel_size=3, stride=1, padding=1) - यह सीएनएन मॉडल की एक कॉन्वोल्यूशनल लेयर है जो छवि के विभिन्न हिस्सों को स्कैन करती है।
• x = F.relu(self.conv1(x)) - यह सीएनएन मॉडल की एक एक्टिवेशन फंक्शन है जो छवि के विभिन्न हिस्सों को सक्रिय करती है।

Lesson Summary

इस पाठ में, हमने पाइथन में कॉन्वोल्यूशनल न्यूरल नेटवर्क (सीएनएन) का उपयोग करके छवियों को वर्गीकृत करने के लिए एक मॉडल बनाना सीखा। हमने सीएनएन मॉडल में कॉन्वोल्यूशनल लेयर, मैक्स पूलिंग लेयर, और फुली कनेक्टेड लेयर का उपयोग करना सीखा। हमने पाइथन में सीएनएन मॉडल को प्रशिक्षित करने और उसकी सटीकता की जांच करने के लिए कोड लिखना सीखा। हमने देखा कि कैसे सीएनएन मॉडल छवियों को वर्गीकृत करने में मदद कर सकता है और कैसे हम इसका उपयोग विभिन्न अनुप्रयोगों में कर सकते हैं।

Practice Exercise

एक छवि को वर्गीकृत करने के लिए एक सीएनएन मॉडल बनाएं जो कि पाइथन में निर्मित किया गया है। इस मॉडल को प्रशिक्षित करें और उसकी सटीकता की जांच करें।

What Is Next

अब हम अगले पाठ में जाएंगे जहां हम डीप लर्निंग के बारे में अधिक जानेंगे और अपने ज्ञान को विभिन्न अनुप्रयोगों में लागू करेंगे। हम विभिन्न प्रकार के डीप लर्निंग मॉडल्स के बारे में सीखेंगे और उनका उपयोग विभिन्न समस्याओं को हल करने के लिए करेंगे।