Training sur tout le dataset
Un premier training est fait sur 10 classes, pour évaluer la précision et voir si les options du training sont bonnes, avant de lancer l'entraînement sur tout le dataset.
Les codes Matlab Livescript sont sur Github dédié au projet
Training sur 10 classes⚓
Exemple : pour 10 classes
Pour 10 classes, 2000 fichiers (training) / 400 fichiers (test) : 36min.
Options (training parameters)
1
options = trainingOptions("sgdm",...
2
'InitialLearnRate', 0.01, ...
3
'LearnRateDropFactor',0.2, ...
4
'LearnRateDropPeriod',5, ...
5
'MaxEpochs',10, ...
6
'MiniBatchSize',64, ...
7
'Plots','training-progress',...
8
'Shuffle','every-epoch');
Training sur tout le dataset⚓
Code et résultat du LiveScript Matlab
Remarque : le calcul a duré près de 9h30
Matrice de confusion
On constate que la matrice de confusion est très satisfaisante : la diagonale montre que les classes prédites correspondent aux classes réelles des images.