RED NEURONAL CONVOLUCIONAL DE PROFUNDIDAD MEDIA

Para esta solución se utilizó una red neuronal convolucional y todos los datos de entrenamiento disponibles

Modelo

La red cuenta con las siguientes capas:

1. Convolución (40 filtros, kernel de 7x7)
2. Pooling (2x2, stride 1)
3. Convolución (20 filtros, kernel de 5x5)
4. Pooling (2x2, stride 1)
5. Convolución (10 filtros, kernel de 3x3)
6. Pooling (2x2, stride 1)
7. Capa normal (fully connected) con 1024 unidades y dropout
8. Capa normal (fully connected) con 512 unidades y dropout
9. Capa normal (fully connected) con 43 unidades (número de clases)

El dropout se hizo con una probabilidad de conservación de 0.3

Resultado

94% < Tasa de aciertos < 95%

Descripción de los archivos

Archivo	Descripción
model.py	Contiene el modelo, la definición del gráfico de tensorflow y su entrenamiento
explore.ipynb	Exploración inicial de los datos
restore_and_predict.ipynb	Permite explorar más a fondo el resultado del entrenamiento

Los archivos asumen que se tiene una carpeta llamada 'german-traffic-signs' la cual contiene las carpatas 'training-set' y 'test-set', las cuales corresponden a los datos de entrenamiento y prueba respectivamente (como son entregados por el paquete dataget)

model.py crea carpetas donde guarda algunos datos del modelo y el enternamiento, pero estos no serán guardados en el repositorio.

Más detalles del reto

Para más detalles visite la página principal del reto en colomb-ia:

• reto
• ranking