हे गैस माय नाम इसे नीतीश एंड यू आर वेलकम तू कैंपस एक्स इस वीडियो में भी हम लोग अपना दीप लर्निंग प्लेलिस्ट कंटिन्यू करेंगे और आज का वीडियो का टॉपिक बहुत ही इंपॉर्टेंट है और बहुत ही इंटरेस्टिंग है आज के वीडियो में आप सीखने जा रहे हो ट्रांसफर लर्निंग विच इस बेसिकली ए तकनीक डट इसे इन मशीन लर्निंग जहां पर आप एक डाटा सेट के ऊपर ट्रेन करके अपने मॉडल को किसी दूसरे डाटा सेट के ऊपर रन करते हो और ये एक ऐसा मेथड है जो पिछले 5 सालों में बहुत फेमस हुआ है और आज की डेट में जो सबसे बड़ी पर्सनेलिटीज है दीप लर्निंग में उनका कहना है की ट्रांसफर लर्निंग बिल बी डी नेक्स्ट बिग थिंग सो डेट इस वही आपके लिए चीज सीखना बहुत जरूरी है तो वीडियो में मैं पहले कांसेप्चुअली थियोरेटिकल सबको समझने की कोशिश करूंगा और उसके बाद इन डी सेकंड हाफ ऑफ डी वीडियो मैं आपको के राज में ट्रांसफर लर्निंग करके दिखाऊंगा ठीक है तो लेट स्टार्ट डी वीडियो है की मैं आपको मल्टीपल टाइम्स बता चुका हूं इस प्लेलिस्ट में की दीप लर्निंग मॉडल आर डाटा हंगरी विच बेसिकली मेंस की अगर आपको अपना खुद का दीप लर्निंग मॉडल ट्रेन करना है तो यू नीड अन लॉट ऑफ लेबर डाटा इमेजेस लेट्स से 10000 इमेजेस अब ये इमेजेस तो आप गूगल से स्क्रिप्ट करके उठा लोग बट आपको हर इमेज के साथ ये इनफॉरमेशन भी देना होगा की कौन से इमेज में कैट है और कौन से हमें दाद डॉग है अब यह लेबलिंग करना इसे डिफिकल्ट एंड यू नीड मैन्युअल लेबर राइट एंड दिस इस कॉस्टली इसके लिए कंपनी को पैसे देने पड़ते हैं तो सबसे बड़ा प्रॉब्लम जो आता है अपना खुद का दीप लर्निंग मॉडल ट्रेन करने में वह यह है की आपको खूब सारा डाटा चाहिए अगर वह डाटा पब्लिकली अवेलेबल नहीं है तो उसको बनाने में आपको टाइम एंड एफर्ट जाएगा ठीक है प्रॉब्लम नंबर तू की दीप लर्निंग मॉडल स्पेशली इफ यू आर ट्रेनिंग युवर मॉडल ऑन अन बिग डाटा सेट इट वुड टेक अन लॉट ऑफ टाइम तू गेट ट्रेंड मॉडल को ट्रेन होने में बहुत टाइम लगता है अगर इन दोनों की वजह से जनरली लोग उतना प्रेफर नहीं करते अपना खुद का दीप लर्निंग मॉडल ट्रेन करना ठीक है सो अगर खुद का दीप लर्निंग मॉडल ट्रेन करना डिफिकल्ट है तो व्हाट इसे डी सॉल्यूशन इसे यूजिंग प्री ट्रेड मॉडल अगर आपको याद होगा मैंने कुछ दिन पहले यह वीडियो अपलोड किया था अपने चैनल जहां पर मैंने आपको इमेज डाटा सेट के बारे में बताया था जो की एक बहुत बड़ा डाटा सेट है इमेजेस डाटा सेट अबाउट डेली ऑब्जेक्ट्स एंड एनिमल्स इस डाटा सेट में अराउंड 1.4 मिलियन इमेजेस है ब्रेड डिफरेंट डॉग ब्रीड्स इस तरह इमेज नेट और इसके ऊपर एक कंपटीशन ऑर्गेनाइज्ड होना स्टार्ट हुआ था जिसका नाम था इल्स ब्रा ठीक है इमेज नेट स्केल विजुअल रिकॉग्निशन चैलेंज 2010 हो तो इस वीडियो मैंने आपको समझाया था की यह जो मॉडल आए और इस कंपटीशन को जीते लाइक वेग और रेसनेट और इंसेप्शन नेट यह तो सारे मॉडल हैं यह इतने अच्छे हैं और इतने अच्छे से ट्रेड के ऊपर की आप इनको उठा करके अपने प्रोजेक्ट में भी उसे कर सकते हो एंड डेट इस डी होल कॉन्सेप्ट बिहाइंड प्री ट्रेन मॉडल सो pretrate मॉडल एक ऐसा सीएनएन मॉडल है जो किसी दूसरे डाटा के ऊपर ट्रेंड है ठीक है अंदर डाटा सेट इस बड़ी तू हैव ऑल डी कैटिगरीज यू कैन हैव डेट डाटा सेट ऑन योर डाटा आप अपने प्रोजेक्ट में उसे से डाटा सेट को उसे कर सकते हो बिकॉज वो ऑलरेडी सिख चुका है एक प्रीवियस बड़ी डाटा सेट से ठीक है तो ये पुरी चीज मैंने इस वीडियो में कवर की थी दिस इस डी समरी ऑफ दिस वीडियो अगर आपने वीडियो नहीं देखा है तो मैं आपको रिकमेंड करूंगा एक बार जाकर आप इसको जरूर देखो मैं इसका लिंक डिस्क्रिप्शन में दल रहा हूं आप प्लीज इसको एक बार देखो तो आपको थोड़ा और क्लियर होगा की प्रिंट मॉडल क्या होते हैं और उनका कम क्या है ठीक है अब लास्ट वीडियो में हमने जो कोड लिखा था उसमें हमने कैट हमने जेनेरिक क्लासीफाइड बनाया था जो किसी भी तरह के ऑब्जेक्ट को क्लासिफाई कर का रहा था ब्रेड को क्लासिफाई करवाया था डॉग को क्लासिफाई रहा था टोमेटो को क्लासिफाई करवाया जनरल ऑब्जेक्ट्स तो रिटेन मॉडल में भी एक प्रॉब्लम ए सकती है और वह प्रॉब्लम यह है की व्हाट इसे आप जिस प्रोजेक्ट के ऊपर कम कर रहे हो उसे क्लास को जानता ही नहीं मैं समझने की कोशिश करता हूं लेट्स से आप बहुत स्पेसिफिकली फोन वर्सेस टैबलेट क्लासिफिकेशन के ऊपर कम कर रहे हो ठीक है आपका कम है आपको एक इमेज देखकर बताना है की उसके अंदर फोन है या फिर टैबलेट और आपने डिसाइड किया की आप को उसे करोगे अब व्हाट इसे इमेज डाटा सेट में जो 1000 क्लासेस हैं इनमें फोन और टैबलेट दोनों ही नहीं करवा रहे द वह इस 1000 क्लास में आता था जरूरी नहीं है की आप हमेशा जब भी किसी प्रोजेक्ट पे कम करोगे आपके पास वही क्लासेस होंगी जो इन 1000 क्लासेस के अंदर नौ दिस इस डी प्रॉब्लम डेट सी आर ट्राईंग तू सॉल्व और इस प्रॉब्लम को सॉल्व करने के लिए ही आता है ट्रांसफर लर्निंग जो हमारे आज के वीडियो का टॉपिक ट्रांसफर लर्निंग होता क्या है और फिर हम उसे कोड में इंप्लीमेंट करेंगे यूजिंग के रस तो सबसे पहले मैं आपको एकदम सिंपल शब्द में समझने की कोशिश करता हूं की ट्रांसफर लर्निंग होता क्या है एक बार इसको पढ़ते हैं ट्रांसफर लर्निंग मशीन लर्निंग था फॉक्स ऑन स्ट्रिंग नॉलेज प्रिंट बट रिलेटेड प्रॉब्लम ठीक सिंपल सही डेफिनेशन है बट मैं थोड़ा सा और एक्सप्लेन कर देता हूं सो जैसा मैंने आपको भी बताया की आप क्या करते हो फ्री ट्रेन मॉडल में किसी और डाटा सेट के ऊपर ट्रेन हुए सीएनएन को अपने डाटा सेट के ऊपर ट्राई आउट करते हो और आप ऐसा इसलिए करते हो बिकॉज दो फायदे हैं पहला आपको खुद का बड़ा डाटा सेट नहीं चाहिए जो की कॉस्टली और दूसरा टाइम बचत है तो ट्रांसफर लर्निंग वही चीज हमें करके देता है ठीक है और 2015-16 के बाद से ट्रांसफर लर्निंग हेस एक्चुअली बिकम अन बिग डील इन मशीन लर्निंग स्पेस इन फैक्ट यह चार्ट आप देख सकते हो यहां पर आपका एंट्री ने बोला की सुपरवाइज लर्निंग को अगर हटा दो तो सेकंड नंबर पर ट्रांसफर लर्निंग ही वह चीज है जो मशीन लर्निंग को आगे लेके जाएगी इंडस्ट्री में ठीक है यू कैन सी डी चार्ट एवं बटोर दें उन सुपरवाइज लर्निंग एंड रिइंफोर्समेंट लर्निंग ठीक है अब ऐसा इसलिए सेंटीमेंट बन रहा है इंडस्ट्री में बिकॉज ट्रांसफर लर्निंग आपके प्रॉब्लम को बहुत इजीली सॉल्व कर देता है ठीक है सो इफ यू थिंक अबाउट इट ट्रांसफर लर्निंग में आप करके ए रहे हो आप किसी दूसरे डाटा सेट पर जो सिखा है आपने वो आप अपने डाटा सेट के ऊपर अप्लाई करवा रहे हो अब honesli स्पीकिंग के से कम हम रियल लाइफ में भी करते हैं इसका मतलब ये है की मैं बोलना चाहता हूं की ट्रांसफर लर्निंग इस एक्चुअली इंस्पायर्ड की रियल लाइफ एंड गिव यू सैम एग्जांपल सो आप को क्यों ऐसा बोला जाता है की मोटरसाइकिल चलाने के पहले आपको साइकिल चलाना आना चाहिए बिकॉज व्हाट यू डू एस इफेक्टिवली आपका दिमाग क्या कर रहा है की जब आप साइकिल चलाना सीखते हो तो आपके दिमाग में कुछ लर्निंग होती है ठीक है कुछ इमेज बनता है अब मोटरसाइकिल चलाना जो है वह एक सेपरेट टास्क है बट इट इसे रिलेटेड टास्क आपको दोनों में बैलेंसिंग चाहिए तो अगर आपने बायसाइकिल चलाना सिख रखा है तो मोटरसाइकिल चलाना थोड़ा इजी हो जाएगा बिकॉज आपका दिमाग वो जो नॉलेज उसने बायसाइकिल चलाने में सिखा था उसको उसे करेगा मोटरसाइकिल चलाने में सिमिलरली लेट्स से आप एक म्यूजिकल इंस्ट्रूमेंट बजाना जानते हो लेट्स से वायलिन और समथिंग तो आप एक रिलेटेड इंस्ट्रूमेंट फिर से अच्छे से बजा पाओगे लेट से गिटार बाय बिकॉज आपको म्यूजिकल नोट्स का अंडरस्टैंडिंग है तो आप पूरे टाइम ये करते हो की किसी एक डोमेन का नॉलेज को आप किसी दूसरे डोमेन के ऊपर अप्लाई करते हो कंप्यूटर साइंटिस्ट लोगों ने इस सिंपल आइडिया को आप दीप लर्निंग मशीन लर्निंग में इंटीग्रेट कर दिया और इसी को बोला जाता है ट्रांसफर लर्निंग ठीक है अब नेक्स्ट मैं आपको सिखाऊंगा की एक्जेक्टली कैसे कम करता है ट्रांसफर लर्निंग व्हाट इसे वर्किंग अंडर डी हॉट सो ट्रांसफर लर्निंग कम करता है यह समझने के लिए एक छोटा सा एग्जांपल लेते हैं मैन लो हमें कैट डॉग क्लासिफिकेशन करना और यह क्लासिफिकेशन करने के लिए हम लोग एक pretrate मॉडल उसे करेंगे vg16 जो की एक बहुत फेमस ब्रिटेन मॉडल है अब इस मॉडल आर्किटेक्चर इस डायग्राम में आपको दिख रहा है यू कैन क्लीयरली सी इस मॉडल में दे आर तू पार्ट्स सो वैन पार्ट इसे दिस जिसको हम कन्वॉल्यूशन लेयर वाला पार्ट बोलते हैं या इसको कई बार कन्वॉल्यूशन बेस भी बोला जाता है और फिर देर से सेकंड पार्ट जहां पर आपके फुल्ली कनेक्टेड लेयर्स हैं और आपका आउटपुट लेयर है इसको हम एफसी लेयर्स बोलते हैं या एफ सी पार्ट बोलते हैं ना कन्वॉल्यूशन बेस्ड जो होता है इसका कम होता है इमेज के अंदर से एंड ओबवियसली सी आर डूइंग इमेज क्लासिफिकेशन [संगीत] स्पेशल इनफॉरमेशन निकलना ठीक है तो इन पिक्सल्स का 2D में क्या रिलेशनशिप है यह कैप्चर करता है हमारा कंवल बेस और यह फूली कनेक्टेड पार्ट है इसका कम होता है क्लासिफिकेशन करना सो यह जो मॉडल है 16 दिस इस ट्रेन ऑन इमेज नेट डाटा सेट जिसमें डेरा 1000 क्लासेस सो बेसिकली यह मल्टी क्लासिफिकेशन प्रॉब्लम के ऊपर सिखा हुआ है एंड यू कैन सी है की आउटपुट में दे रहा था और डॉग इन 1000 क्लासेस में नहीं है तो हम ट्रांसफर लर्निंग कैसे अप्लाई कर रहे हैं वो डिस्कस करते हैं सो व्हाट यू विल डू इसे की आप इस जगह को ब्रेक कर देते हो ठीक है इतने पार्ट को आप रख लेते हो ठीक है है अब इसके ऊपर आप अपना खुद का डांस लहरिया एफ सी लेयर लगा देते हो अपने हिसाब से जैसे यहां पर तीन डांस लेयर द आप कितने भी लगा सकते हो और हर डांस लेयर में कितने न्यूरॉन्स होंगे वो भी आप डिसाइड करते हो एंड फाइनली यू पुट अन आउटपुट लेयर विथ वैन न्यूरो बिकॉज अब हम जो कर रहे हैं वो एक बाइनरी क्लासिफिकेशन प्रॉब्लम है और वहां पर आप सिगमॉड लगा देते हो अलसो व्हाट यू डू इस आप यह जो कन्वॉल्यूशन लेयर होता है कन्वॉल्यूशन बेस होता है एंड दें यू ट्रेन डी मॉडल ऑन वाटेवर डाटा यू हैव मैन लो आपके पास थोड़ा सा भी डाटा पर ट्रेन करते हो इस मॉडल को यह वाला पार्ट 3 नहीं होता है एंड था इस व्हाट ट्रांसफर लर्निंग इस सो व्हाट यू आर एसेंशियली डूइंग इस यह जो ऑलरेडी सिखा हुआ था इतना पार्ट में जो भी सिखा हुआ था इमेजेनेट के ऊपर आप उसे नॉलेज को उसे कर रहे हो और अपने टास्क में उसको अप्लाई कर रहे हो ठीक है तो दिस इसे डी मिन आइडिया दिस इस हो ट्रांसफर लर्निंग बॉक्स ठीक है अब मैं नेक्स्ट आपको समझता हूं की यह जो चीज आपने अभी सीखी यह कम क्यों करती है सो लेट मी एक्सप्लेन ट्रांसफर लर्निंग क्यों कम करता है उसके लिए एक बार पहले फिर से रिवाइज कर लेते हैं अभी हमने जो पढ़ा की ट्रांसफर लर्निंग कैसे कम करता है सो व्हाट यू डू इस की आप एक प्रॉब्लम के ऊपर कम कर रहे होते हो लेट्स से आपने क्या डॉग क्लासिफिकेशन करना है और उसके लिए आपने वग 16 मॉडल चूज किया जो की पहले से इमेज नेट डाटा सेट के ऊपर ट्रेंड है सो आप क्या करते हो की आप यह जो डांस वाला जो पार्ट है डांस लेयर वाला पार्ट इसको रिमूव कर देते हो ठीक है और इसको रिप्लेस कर देते हो आप अपने डांस लेयर से जिसमें आप कितने भी लेयर सेट कर सकते हो कितने आउटपुट लेयर बिकॉज यू आर गोइंग तू डू बाइनरी क्लासिफिकेशन और आप इस तरीके से अटैच कर देते हो अलसो आप क्या करते हो की आप इस कंवल बेस लेयर को फ्रिज कर देते हो बिकॉज वेट के वैल्यू में ही ट्रू नॉलेज आर्किटेक्चर को यह वाला पार्ट में कुछ चेंज नहीं आते और यहां पर आप वेट सालों करते हो एक बार समझने की कोशिश करते हैं की यह तकनीक क्यों कम कर का रहा है क्यों रिजल्ट्स दे का रहा है डी आंसर की शुरुआत में ही है डिस्कशन किया था की आप इतने सारे जो कन्वॉल्यूशन लेयर्स लगाते हो तो इन कन्वॉल्यूशन लेयर्स का कम है इमेज को डिकोड करना और एक तरीके से फीचर्स एक्सट्रैक्ट करना की फीचर में है क्या और फिर आगे वाले जो लेयर्स है इनका कम होता है क्लासिफिकेशन करना अब इसमें भी हमने डिस्कस किया था की जितने आपके अर्ली लेयर्स होते हैं शुरू वाले लेयर्स होते हैं उनका कम होता है प्रिमिटिव फीचर्स एक्सट्रैक्ट करना लाइक एज जैसे-जैसे आप आगे के लेयर्स में जाते हो तो आप थोड़े और परिसर पेटर्न्स और फीचर्स एक्सट्रैक्ट करते हो जैसे की शॉप्स ठीक है और फिर धीरे-धीरे आप ऐवेंंचुअली फीचर्स बना करके आगे पास ऑन करते हो तो फंडा बहुत सिंपल है फंडा यह है की इमेज नेट जो आपका डाटा सेट है इसमें अराउंड 1000 क्लासेस से रिलेटेड डाटा है अब कुछ भी चीज आप उठा लो जो रियल वर्ल्ड में एक्जिस्ट करता है उसके जो प्रिमिटिव फीचर्स होंगे ना वह सिमिलर ही होते हैं जनरल होते हैं ठीक है जो शुरू में सीखी हुई चीज हैं वो काइंड ऑफ कॉमन है तो इनको दोबारा से सीखने की जरूरत नहीं पूरा का पूरा कन्वॉल्यूशन बेस को आगे इट इसे उसे कर लिया और फिर इसके आगे जो स्पेसिफिक कम करना था क्लासिफिकेशन बिकॉज जब आप पहली बार इस मॉडल को ट्रेन कर रहे हो ट्रेनिंग के प्रक्रिया में ऑलरेडी जो प्रिमिटिव और जनरल फीचर्स है वह यह मॉडल सिख चुका है दोबारा वह कम करने की जरूरत नहीं है ठीक है तो बेसिकली डी होल फंडा बिहाइंड दिस anteyer थिंग इसे डू नॉट री इन्वेंट डी व्हील बार-बार पहिया मत बनाओ पहिया बन चुका है तो उससे गाड़ी बनाओ ठीक है आई होप आपको आइडिया समझ में ए गया सो नेक्स्ट हम लोग सीखेंगे को बोलते हैं फीचर एक्सट्रैक्शन है यह एक्जेक्टली वही है जो हमने भी डिस्कस किया जहां पर आप लास्ट के डांस लेयर्स को रिप्लेस कर देते हो अपने खुद के डांस लेयर से कंवल बेस को आप फ्रिज कर देते हो और मॉडल को अपने डाटा के ऊपर इसी को फीचर एक्सट्रैक्शन बोला जाता है ठीक है फीचर एक्सट्रैक्शन जनरली तब किया जाता है जब आप जिस इमेज क्लासिफिकेशन टास्क के ऊपर कम कर रहे हो हो उसके अंदर जो लेबल्स है वह काइंड ऑफ सिमिलर है जिस डाटा पर आपका मॉडल ऑलरेडी ट्रेन हो चुका है जैसे की अगर आप डॉग कैट क्लासिफिकेशन कर रहे हो तो आपको फीचर एक्सट्रैक्शन उसे करना चाहिए वही बिकॉज इमेज नेट के अंदर ऑलरेडी एनिमल्स के ऊपर ट्रेनिंग हो चुकी है तो यू नो की यहां तक की जो लेयर्स हैं वो एनिमल्स को या उनके फीचर्स को पहचाना सिख गए ठीक है तो आपको फिर जस्ट लास्ट के लेयर्स में ही चेंज करने की जरूरत है की फाइंड ट्यूनिंग में आप लास्ट के कुछ कन्वॉल्यूशन लेयर्स को भी ट्रेन करते हो आप यहां से लेकर यहां तक को फ्रिज कर देते हो बट लास्ट वाले लेयर्स को इंक्रीज कर देते हो और आप डांस लेयर अपना ऐड करते हो और फिर इस पूरे पाठ को ट्रेन करते हो इस पूरे पाठ को ट्रेन करते हो कब अप्लाई करना चाहिए बहुत सिंपल है अगर आप एक ऐसे प्रॉब्लम के ऊपर कम कर रहे हो जो आपके डाटा सेट के क्लासिफिकेशन लेवल से बहुत अलग है लेट्स से मैं sadanasionally से आई एम ट्राईंग तू डू अन क्लासिफिकेशन बिटवीन फोन वर्सेस टैबलेट और थोड़ी देर के लिए मैन लेते हैं की इमेज नेट में दूर-दूर तक इस तरह का कुछ भी डाटा नहीं था है तो भले ही शुरू के जो लेयर्स हैं इनको मैं री उसे कर सकता हूं बिकॉज यहां पर बहुत premetive फीचर्स है पर जैसे-जैसे आप आगे बढ़ रहे हो तो फिर यह जो लेयर्स है इनका जो नॉलेज है वह मेरे रिटायरमेंट से थोड़ा अलग तू डू की मैं लास्ट के कुछ लेयर्स को अनफ्रीज कर दूंगा और मॉडल को पूरा रिटेन करूंगा ओबवियसली इस केस में थोड़ा ज्यादा टाइम लगेगा ठीक है तो अब गोविंद फॉरवर्ड इस वीडियो में मैं आपको यह दोनों ही चीज करके दिखाऊंगा और आपको थोड़ा समझ में आएगा की पुरी चीज कम कैसे कर रही है जो मैंने कुछ वीडियो पहले बनाया था बट इस बार हम अपना खुद का सीएनएन आर्किटेक्चर यह जो पहला चार्ज है इसका जो कोड है इन फैक्ट पहले 3 सेल्स का जो कोड है इस पूरे कोड का कम सिर्फ इतना है की यह kyagal से इस डाटा सेट को इंपोर्ट करके हमें यहां ला के दे रहा है ठीक है यू कैन सी यहां पर मेरे पास दो फोल्डर बन जाएंगे फॉर्मेट में vanshayi रन दिस कोड यह इस जीप को एक्सट्रैक्ट कर देगा और हमारे पास हमारा डाटा ए चुका होगा वैकेंसी ट्रेन एंड टेस्ट ट्रेन के अंदर दो फोल्डर है कैट्स एंड डॉग्स टेस्ट के अंदर भी दो फोल्ड करनी है लाइब्रेरी इसमें काफी चीज आप पहले से कर चुके हो दिस इसे काइंड ऑफ न्यू यहां पर एप्लीकेशंस में घुस के वग 16 से विजय से 16 क्लास को इंपोर्ट कर रहे हो नो व्हाट यू आर डूइंग 16 क्लास का एक ऑब्जेक्ट बना रहे हो जहां पे आपने वेट स्पेसिफाई कर रखा है इमेज नेट सो आपको वही रेट्स का वैल्यू चाहिए जो वीजीसी 16 का था जब वो इमेज ने डाटा सेट के ऊपर ट्रेन हुआ अलसो इंटरेस्टिंग चीज यहां पर है की आप बोल रहे हो ठीक है 150 150 यह वाला ठीक है हमने यह वाला पार्ट इंपोर्ट ही नहीं किया आप चाहो तो कर सकते हो अगर आप यहां पर ट्रू कर दो हम हमारा खुद का एक सीक्वेंशियल मॉडल बना रहे और उसे मॉडल में हम सबसे पहले यहां तक का सब कुछ हम हमारे नए मॉडल में ऐड कर रहे हैं उसके बाद हम उसे फ्लैट एंड कर रहे हैं और हम उसके बाद हमारा डांस लेयर ऐड कर रहे हैं [संगीत] अब देखो यहां से इंटरेस्टिंग चीज शुरू होती है मैंने आपको बताया था की अब जब आप रिटेन करोगे अपने डाटा के ऊपर तो आप पहले कन्वॉल्यूशन बेस वाला जो पूरा पार्ट है इसको फ्रिज कर देते हो फ्रिज करने का मतलब आप उनके वेट को रिट्रेन नहीं करते तो मैंने वही किया है यू कैन बेस डॉट ट्रेन एबल का जो वैल्यू है वो मैंने फॉल्स कर दिया ठीक है और इतना करने के बाद लेट मी क्विकली शो इट तू यू यहां से सो ये मैंने कर लिया दिस इसे डी समरी थिस इस माय न्यू मॉडल मॉडल के बाद की समरी ठीक पॉइंट कर दिया और अब मैं दोबारा से अगर समरी निकलूं की अप ट्रेंस के हैं ठीक है ये हमने पूरा का पूरा फॉल्स कर दिया मतलब पैरामीटर बन गया ड्यूरिंग ट्रेनिंग ये ट्रेन नहीं होगा ठीक है अब आगे है बहुत सिंपल सा कोड ये हमने पहले भी उसे किया था बेसिकली हम यह जो फोल्डर हैं इनके ऊपर जेनरेटर अप्लाई करके सारा का सारा डाटा उठा करके मॉडल में भेजेंगे ठीक है तो ये सारा कोड एक्सप्लेन नहीं कर रहा हूं इस एक्चुअली क्यूट सिंपल आप इमेज डाटा सेट फ्रॉम डायरेक्टली एक यूटिलिटी है उसको उसे कर रहे हो लेवल ऑटोमेटिक दिस मच और यह हो गया हमारा वैलिडेशन के लिए टेस्टिंग के लिए फाउंड 20000 फाइल्स बिलॉन्ग तू क्लासेस यह बात हो रही है ट्रेनिंग डाटा की एंड फाउंड 5 बिलॉन्ग तू क्लासेस ये बात हो रही है आपके टेस्टिंग डाटा की ठीक है अब एक लास्ट चीज और इमेज को हमारे मॉडल में भेजने के पहले आप एक छोटा सा कम करोगे सारे के सारे पिक्सल वैल्यूज जो जीरो से 255 तक है आप उनको जीरो से वैन के बीच में ले आओगे ट्रेनिंग थोड़ा फास्ट हो जाता है ठीक है तो यही से कम किया मैंने ट्रेन दी एस के ऊपर मैंने ये प्रक्रिया फंक्शन लगाया जिसका कम है और मैंने वैलिडेशन के ऊपर भी से कम लगाया ठीक है उसके बाद का आपको स्टेप पता है model.com फाइल ऑप्टिमाइजर एडम लॉस बाइनरी क्रॉस है और लास्ट में बस हमने मॉडल ऑफ फिट कर दिया हमारे ट्रेन डाटा सेट के ऊपर ऑन 10 बॉक्स वैलिडेशन डाटा हमने यहां पर सेंड कर दिया और सब कुछ को हमने लॉक कर दिया हिस्ट्री पैरामीटर्स ऑफ 90% इफ यू रिमेंबर तीन चार वीडियो पहले जब मैंने डॉग कैट क्लासीफाइड बनाया था अपने खुद के सीएनएन आर्किटेक्चर पे डी हाईएस्ट एक्यूरेसी डेट आई वाज एबल तू रीच पीओएस 81% नौ आई एम ऑलरेडी आते 90% ठीक है इसके बाद मैंने ग्राफ्स प्लॉट की ये ट्रेनिंग और वैलिडेशन डाटा में और क्लीयरली यू कैन सी देयर इस अन डिफरेंस यू नो अन ट्रेनिंग का एक्यूरेसी कांस्टेंटली बढ़ रहा है veritation का नहीं बढ़ रहा है दिस गैप शोस ओवर फिटिंग और एक्चुअली यहां पर भी आपको दिख रहा होगा लास्ट दीपक ट्रेनिंग डाटा के ऊपर एक्यूरेसी इस 98 तो दोस्तों इस ओवर फिटिंग इसे इन चीज आपको लॉस भी दिख रही है तो फिर मैंने क्या किया मैंने पूरे के पूरे फ्लो में एक छोटा सा चेंज किया हमने लास्ट तू लास्ट वीडियो में आई गैस डाटा orgumentation पढ़ा था जहां पर आप एक इनपुट इमेज को अलग-अलग तरीके से ट्रांसफॉर्म करके नया डाटा क्रिएट करते हो जनरली ओवर फिटिंग रिड्यूस करने के लिए आप डेट अरगुमेंटेशन उसे करते हो सो आई थॉट की वही नॉट उसे डाटा ओरिजिन तू रिड्यूस डी ओवर फिटिंग ठीक है तो मैंने एक और नोटबुक बनाई है जिसमें अगर आप नोटिस करो तो पूरा का पूरा फ्लो से है एकदम वैकेंसी डी एंटीरे फ्लाइंग सम बस यहां पर आकर मैंने रदर थन यूजिंग थिस फ्लो विच इस जेनरेटर वाला ट्रेन डाटा जेन बनाया है इमेज डाटा जेनरेटर का जिसमें मैंने ये सारे ट्रांसफॉर्मेशन अप्लाई किए ये मेरा टेस्ट डाटा जेन है जिसमें मैंने सिर्फ एक ट्रांसफॉर्मेशन अप्लाई किया और ये रहा मेरा ट्रेन जेनरेटर यह रहा मेरा वैलिडेशन जेनरेटर सब कुछ सिमिलर है बस मैंने पूरे फ्लो में डाटा अरगुमेंटेशन अप्लाई कर दिया ठीक है आगे की चीज भी बिल्कुल से है यहां पर बस मॉडल डॉट फिट के बदले मॉडल फिट जेनरेटर ए गया ये मैंने आपको बताया था डाटा ओरिजिन वीडियो में और यहां पर भी मैंने 10 बॉक्स के लिए ट्रेन किया रखा है ठीक है मेरा टेस्ट एक्यूरेसी बढ़ गया 91.4 तक चला गया ठीक है यहां पर आप कुछ और टेक्निक्स भी उसे करते हो कर सकते हो लाइक ड्रॉप आउटस आप अलग-अलग टाइप का वेट भी उसे कर सकते हो यू कैन अलसो ट्री आउट बैच नॉर्मलाइजेशन यू कैन ट्री योर डिफरेंट थिंग बट यू कैन सी डाटा अरगुमेंटेशन उसे करने से थोड़ा फायदा हुआ है हमारा एक्यूरेसी ऊपर की तरफ भाग है और ये आपको इस ग्राफ में भी दिखाई दे रहा है यू कैन सी बहुत कम डिफरेंस है बिटवीन डी ब्लू कर्व एंड डी रेड कर्व ठीक है एंड सैम विद डी लॉस ग्राफ ठीक है अब फाइनली मैंने सोचा की हमने फीचर एक्सट्रैक्शन तो उसे करके देख लिया सेकंड एप्रोच उसे करें इफ यू रिमेंबर डी सेकंड एप्रोच वास फाइंड ट्यूनिंग जहां पर आप नॉट ओनली ये सिर्फ डांस लेयर्स को ट्रेन करते हो आप इन फैक्ट आपके कन्वॉल्यूशन बेस का जो लास्ट या सेकंड लास्ट तक का जो लेयर्स होता है आप उनको भी ट्रेन करते हो ठीक है जो लास्ट आपका नोटबुक है यहां पे मैंने फाइंड ड्यूरिंग अप्लाई किया है विदाउट datagumentation ठीक है तो अगेन कोड लिखा हुआ है जस्ट गो थ्रू डी कोड शुरू का कोड इस बिल्कुल सही है अगेन कन्वॉल्यूशन बेस को हमने इंपोर्ट किया यहां पर में चीज है मैंने कन्वॉल्यूशन ट्रू कर दिया है नॉट फॉल्स और फिर एक लूप चलाया और मैंने डिटेक्ट किया है जहां पे ब्लॉक फाइव ऑनवार्ड्स लेयर्स हैं ब्लॉक फाइव ऑनवर्ड जो भी लेयर्स हैं उन सभी का मैंने सेट ट्रेन एबल तू कर दिया और बाकी सब का फॉल्स कर दिया ठीक है ये चीज करने के बाद यू कैन सी की ये जो सारे लेयर्स हैं जो की शुरू वाले लेयर्स हैं यहां से लेकर के इस जगह तक जो लेयर्स है इन सबका लेयर्स है तो बस यही डिफरेंस है उसके बाद कन्वेंस का समरी निकलने विद दिस वैसे डी समरी आधे से आधी ट्रेन है आधे नॉन ट्रेन है आगे का कोड भी बिल्कुल से है वैकेंसी बिल्कुल सही यह वाला कोड बिल्कुल सही है जो मैंने यहां पे उसे किया है और फिर आगे बस नॉर्मलाइज किया जैसा फर्स्ट वाले किया था उसके बाद मॉडल नॉट कंपाइल में यहां पे एक चीज की मैंने की इंसटिड ऑफ यूजिंग एडम आई हैव यूज्ड आरएमएस प्राप्त वेरी लो लर्निंग लेट ठीक है तो ऐसा बोला जाता है की जब आप फाइंड ट्यूनिंग कर रहे हो तो लर्निंग रेट थोड़ा कम रखना चाहिए ठीक है इट्स अन थिंग जो एक्सपेरिमेंटल लोगों को समझ में आया और मैट्रिक्स से है लॉस से है यहां पर भी मैंने मॉडल फिट किया फॉर 10 ही बॉक्स एंड आय वास प्रेजेंटली सरप्राइज तू सी रिछेद 95.2% ठीक है हमने जब अपना स्केल एंड आर्किटेक्चर बनाया था डी एक्यूरेसी वास अराउंड 81% वहां से आप 95 तक ए गए ऑन ऑन डी होल अगर आप ट्रेनिंग की बात करो तो 99.8 का एक्यूरेसी या अगेन यू कैन से थोड़ा सा ओवर फिटिंग हो रहा है बट आप डिफरेंट चीज ट्राई आउट कर सकते हो इस वाले फ्लो में भी यू कैन उसे डाटा ऑग्मेंटेशन में भी आपको इंप्रूवमेंट दिखाई दे ठीक है बट ये रहा है क्राफ्ट्स एंड या यह रहे वो दो टेक्निक्स फाइंड ट्यूनिंग और फीचर एक्सट्रैक्शन जिसको उसे करके आप के राज में ट्रांसफर लर्निंग अप्लाई कर सकते हो ये तीनों नोटबुक्स में आपके साथ शेयर कर दूंगा आपका कम है एक बार इन सारे नोटबुक्स को चला के देखो और अपने लर्निंग को किसी नोटबुक में लिखो की आपने क्या सिखा ठीक है और हो सके तो आप किसी और डाटा सेट के ऊपर ये से चीज को अप्लाई करके देखो इट वुड डू वंडर्स फॉर योर लर्निंग ठीक है अगर आपको वीडियो पसंद आया तो प्लीज लाइक करना और अगर आपने चैनल को सब्सक्राइब नहीं किया है तो प्लीज सब्सक्राइब मिलते हैं नेक्स्ट वीडियो में बाय