Use of PyTorch as an image classifier.

Aqui estão meus estudos no uso do PyTorch, uma biblioteca de aprendizado de máquina de código aberto para Python, como classificador de imagens. O programa classifica imagens de 10 tipos diferentes de peças do vestuário, utilizando as imagens do banco de dados MNIST. Coloquei em dois arquivos todas as etapas necessárias para contrução da rede, treino, inferência, armazenamento das matrizes de treino em arquivo, carregando os dados treinados e classificando uma imagem.

O conteudo é um resumo na forma de tutorial do curso "Intro to Deep Learning with PyTorch", da Udacity.

• MNIST Fashion compilation.ipynb - Neste arquivo mostro como carregar os dados Fashion-MNIST, separando-os em treino e validação, a escrita da classe para treinar a rede, o treino apresentando os gráficos da acurácia e "Model Complexity", a inferência e como a rede treinada é salva em um checkpoint para uso posterior.

• MNIST Fashion Loading Network.ipynb - Aqui fica a tarefa de carregar a rede treinada e classificar uma imagem, rotina tipica para a aplicação prática.

O objetivo deste projeto é fazer um tutorial básico sobre análise de dados, para detectar e gerenciar valores ausentes e treinar um modelo para tirar algumas conclusões sobre os dados.

Criar uma função de decisão para tentar prever os sobreviventes do desastre de 1912 do Titanic baseado nos atributos dos passageiros, como sexo e idade. Tratamento dos dados e uso de um classificador para o concurso da Kaggle.

Neste projeto, os conceitos básicos de Machine Learning são aplicados em dados coletados de preços de casas em Boston, em Massachusetts, para prever o preço de venda de uma casa nova.

Neste diretório coloquei arquivos que descrevem os meus passos no aprendizado e construção de uma rede neural utilizando a linguagem Python.