Repolode
Enviar
humphd

humphd/have-fun-with-machine-learning

Tutorial práctico para principiantes sobre cómo entrenar e implementar redes neuronales de clasificación de imágenes con Caffe y NVIDIA DIGITS, sin experiencia previa en IA.

Ver en GitHub
Estrellas
5,117
Forks
530
Issues abiertos
8
Último commit
hace 2 meses

¿Qué es?

Esta guía práctica de machine learning está dirigida a programadores sin experiencia en IA. Explica cómo crear un clasificador que distinga delfines de caballitos de mar, usando Caffe como framework de deep learning y la herramienta web NVIDIA DIGITS para gestionar conjuntos de datos y ejecuciones de entrenamiento.

La guía abarca todo el flujo de trabajo: preparar un conjunto de imágenes categorizadas, entrenar una red convolucional desde pesos aleatorios y mejorar después la precisión mediante el ajuste fino de los modelos preentrenados AlexNet y GoogLeNet. Muestra cómo modificar las capas finales de clasificación, interpretar la precisión y la pérdida, y exportar un modelo para implementarlo.

Los pasos finales muestran cómo ejecutar el modelo entrenado con el ejemplo de C++ de Caffe y con un script de Python que clasifica imágenes nuevas. Las instrucciones de configuración incluyen tanto la instalación nativa como una opción con Docker. El material se centra en usar herramientas existentes, no en la teoría subyacente, y remite a recursos externos para profundizar en ella.

Funciones clave

  • 01Explica paso a paso cómo entrenar una red neuronal convolucional con un pequeño conjunto de imágenes personalizado.
  • 02Muestra cómo ajustar los modelos preentrenados AlexNet y GoogLeNet para reconocer nuevas clases.
  • 03Usa NVIDIA DIGITS para crear conjuntos de datos, consultar gráficos de entrenamiento y probar modelos.
  • 04Incluye un script de Python para clasificar imágenes nuevas con un modelo de Caffe entrenado.
  • 05Ofrece opciones de instalación nativa y con Docker.

Casos de uso

  • Desarrolladores que se inician en machine learning y quieren realizar un proyecto práctico de clasificación de imágenes.
  • Ingenieros que quieren aprender transfer learning adaptando una red preentrenada a sus propias imágenes.
  • Personas que quieren probar Caffe o DIGITS sin estudiar primero la teoría de las redes neuronales.

Inicio rápido

  1. 1

    Instala Docker si aún no está instalado

  2. 2

    Descarga y ejecuta el contenedor de Caffe + DIGITS, sustituyendo la ruta del repositorio por la ubicación de tu clon

    docker run --name digits -d -p 8080:5000 -v /path/to/this/repository:/data/repo kaixhin/digits
  3. 3

    Abre http://localhost:8080 en tu navegador web

Antes de usarlo

  • La instalación nativa de Caffe es difícil y puede llevar días, especialmente en macOS.
  • La guía se basa en Caffe y DIGITS, herramientas antiguas desarrolladas alrededor de 2016 y 2017.
  • El README no indica una licencia de código abierto clara (la licencia aparece como NOASSERTION).

En colecciones

Bibliotecas y herramientas de visión artificial

Temas

#machine-learning#image-classification#neural-network#caffe#tutorial#transfer-learning#deep-learning

Preguntas frecuentes

¿Qué es have-fun-with-machine-learning?
Tutorial práctico para principiantes sobre cómo entrenar e implementar redes neuronales de clasificación de imágenes con Caffe y NVIDIA DIGITS, sin experiencia previa en IA. Esta guía práctica de machine learning está dirigida a programadores sin experiencia en IA. Explica cómo crear un clasificador que distinga delfines de caballitos de mar, usando Caffe como framework de deep learning y la herramienta web NVIDIA DIGITS para gestionar conjuntos de datos y ejecuciones de entrenamiento.
¿have-fun-with-machine-learning es gratuito? ¿Qué licencia tiene?
have-fun-with-machine-learning es open source bajo la licencia Other. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿have-fun-with-machine-learning sigue mantenido?
Actualizado en los últimos 6 meses. El último commit de have-fun-with-machine-learning fue el 4 sept 2026.
¿Para qué puedo usar have-fun-with-machine-learning?
Desarrolladores que se inician en machine learning y quieren realizar un proyecto práctico de clasificación de imágenes. Ingenieros que quieren aprender transfer learning adaptando una red preentrenada a sus propias imágenes. Personas que quieren probar Caffe o DIGITS sin estudiar primero la teoría de las redes neuronales.
¿Cómo se instala have-fun-with-machine-learning?
Instala Docker si aún no está instalado Descarga y ejecuta el contenedor de Caffe + DIGITS, sustituyendo la ruta del repositorio por la ubicación de tu clon: docker run --name digits -d -p 8080:5000 -v /path/to/this/repository:/data/repo kaixhin/digits Abre http://localhost:8080 en tu navegador web
¿Dónde consigo have-fun-with-machine-learning?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/humphd/have-fun-with-machine-learning

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados