Experimentación con el entorno de deep learning TensorFlow

Abstract

[ES] El Deep Learning (o aprendizaje profundo) es un término que está tomando mucha fuerza en muchas de las ramas de la ciencia a día de hoy. La facilidad de generar modelos de Inteligencia Artificial con entornos de Deep Learning como TensorFlow ha hecho que la divulgación de este tópico se este extendiendo de manera notable. En esta memoria, pretendemos introducir el concepto de redes neuronales, de Deep Learning, su historia y los factores por los que está teniendo tanto impacto en la actualidad. En concreto, revisaremos la necesidad del hardware para la producción de estos modelos y qué tipos de entornos están a nuestra disposición para realizar modelos de redes neuronales. A continuación introduciremos TensorFlow, la librería de Deep Learning desarrollada por Google, y la utilizaremos para formular nuestros modelos que nos servirán para resolver los problemas de reconocimiento de imágenes que se proponen en las bases de datos (o datasets) de MNIST y CIFAR-10. Finalmente, ejecutaremos y entrenaremos nuestros modelos con las GPUs proporcionadas por la Universidad. Comentaremos y compararemos resultados con ambos datasets, y presentaremos nuestras conclusiones del trabajo realizado y de los resultados conseguidos.

[CA] El Deep Learning (o Aprenentatge Profund) es un terme que està prenent molta força en moltes de les branques de la ciència hui en día. La facilitat de generar models de Inteligència Artificial amb entorns de Deep Learning com TensorFlow ha fet que la divulgació d’aquest tòpic s’estiga escampant per tot arreu. En aquesta memòria pretenem introduir el concepte de xarxes neuronals y el Deep Learning, la seua història y els factors pels que hui en día ha tingut èxit. En concret, revisarem la necesitat de hardware per a la producció d’aquests models y quins tipus d’entorns estàn al nostre abast per a realitzar models de xarxes neuronals. Acte seguit introduirem TensorFlow, la llibrería de Deep Learning desenvolupada per Google, y la utilitzarem per a formular models que ens serviràn per a resoldre els problemes de reconeixement d’imatges que ens proposen els datasets de MNIST y CIFAR-10. Finalment, executarem y entrenarem els nostres models amb unes GPUs proveïdes per l’Universitat. Comentarem i compararem resultats amb ambdós bases de dades (o datasets), y presentarem les nostres conclusions del treball realitzat y del resultats aconseguits.

[EN] The concept of Deep Learning is growing in almost every branch of science, and for a good reason. The ease with which someone can produce Artificial Intelligence models with the resources and frameworks available nowadays is making the term Deep Learning echo almost everywhere with an astonishing speed. In this report, we aim to introduce the concept of a Neural Network and bind it with Deep Learning and Image Classification, learn its own history and explain the reason why it is getting so much importance nowadays. To be precise, we will review the need of hardware to develop such models and what kind of environments are available for us to produce Neural Network Models. Later we will introduce TensorFlow, the Deep Learning framework developed by Google. We will use TensorFlow to code our models in order to solve the Image Classification problems provided by the datasets of MNIST and CIFAR10. Lastly, we will execute and train our models with the GPUs provided by our University. Later, we will discuss/compare the results from both datasets, and then finally explain the conclusions from our work and the data obtained.