Eléments de code pour le challenge 2018

Challenge Deep Learning

A partir d’une image, un modèle de machine learning doit déterminer si l’image représenté une zone inondée ou non ce qui est clairement le cas dans l’image qui suit :

../_images/imp.jpg

Ensuite, il faut déterminer si cette image représente plutôt une rivière ou une rue, voiture ou tout autre élément d’une ville. Ce sont donc deux classifications binaires qu’il faut résoudre. La moitié des images sont dites indésirables, elles représentent des dessins, des cartes ou des photos d’écrans.

../_images/imn1.jpg ../_images/imn2.jpg ../_images/imn3.jpg ../_images/imn4.jpg

Ce sont des images où il n’y bien évidemment pas d’inondations même si elle représentent une photos d’un écran de télévision. Celles-ci sont repérables grâce à la présence d’un logo.

Fonctions à importer ou copier/coller

Vous pouvez importer le module ensae_projects ou copier/coller le code de chaque fonction listée à la page suivante :

# -*- coding: utf-8 -*-
"""
Ce programme sélectionne des fichiers aléatoires dans une
série de répertoires.
"""
import os
import shutil
import re
import random

def random_selection(folder, pattern=".*[.]jpg$", N=1000):
    """
    Sélectionne des fichiers dans un répertoire.

    :param folder: répertoire
    :param N: nombre d'images à sélectionner
    :return: liste fichier
    """
    reg = re.compile(pattern)
    all_files = []
    for root, dirs, files in os.walk(folder):
        for name in files:
            if reg.search(name):
                all_files.append((root, name))

    sel = random.choices(all_files, k=N)
    return [os.path.join(*_) for _ in sel]

def copy_files(files, dest):
    """
    Copie des fichiers dans un nouveau répertoire.

    :param files: liste de fichiers
    :param dest: destination
    """
    if not os.path.exists(dest):
        os.makedirs(dest)
    for name in files:
        shutil.copy(name, dest)

if __name__ == "__main__":
    selection = random_selection('.')
    copy_files(selection, "subset1000")

Manipulation d’images et premiers pas avec le deep learning

  • Search images with deep learning : le notebook expose comment manipuler des images avec keras et comment utiliser le résultat des couches intermédiaires d’un réseau de neurones profond dans le but de recherche des images similaires.

Installer un package sur la machine virtual Azure

Un exemple.

!/anaconda/envs/py35/bin/pip install pyquickhelper

Arrêter un process GPU

La commande nvidia-smi affiche les processus GPU qui tourne sur la machine. Si l’ordinateur ne répond plus, il suffit d’arrêter les processus avec la commande kill (processus ID) (Linux).