Classificare una foto.

MobileNet, una rete fatta per il telefono

Le reti che vincevano le gare sulle immagini nel 2015 avevano decine di milioni di pesi. MobileNet, presentata da Google nel 2017, divide ogni convoluzione in due passi più leggeri. Prima un filtro separato per ogni canale, poi un filtro di un solo pixel che li mescola. Il risultato è quasi lo stesso e costa da otto a nove volte meno calcoli.

La versione 2, del 2018, ha 3,4 milioni di pesi e fa 300 milioni di moltiplicazioni per foto. Su ImageNet, che ha mille classi, indovina al primo colpo il 72 per cento delle volte. ResNet-50, sette volte più pesante, arriva al 76.

• 3,4 Mpesi di MobileNet v2
• 300 Mmoltiplicazioni per ogni foto
• 72 %risposte giuste al primo colpo su ImageNet

Dai punteggi alle percentuali

La testa dà a ogni classe un punteggio, che può essere negativo o grande quanto vuole. Per farne delle percentuali si usa una funzione che si chiama softmax. Prima rende tutti i punteggi positivi con l'esponenziale, poi divide ciascuno per la somma di tutti. Così le percentuali sommano sempre a cento.

Scritta per la classe i, con z i punteggi, la formula è quella qui sotto. Il difetto è lo stesso del capitolo sulla confidenza. Le percentuali si spartiscono tra le classi che il modello conosce, anche quando la foto non contiene nessuna di loro.

p(i) = exp(z_i) / ( exp(z_1) + exp(z_2) + … + exp(z_n) )

Il codice, per chi programma

Nel browser tutto questo si scrive in poche righe con TensorFlow.js, la libreria che usa anche il laboratorio. Il corpo è un MobileNet già addestrato che restituisce i 1280 numeri. La testa è un solo strato denso con tre uscite e la softmax.

Si calcolano una volta i 1280 numeri di ogni foto, poi si addestra solo la testa. Per questo sul telefono l'addestramento dura secondi e non ore.

const numeri = corpo.predict(foto);             // 1280 numeri per foto
const testa = tf.sequential({ layers: [
  tf.layers.dense({ inputShape: [1280], units: 3, activation: "softmax" }),
] });
testa.compile({ optimizer: "adam", loss: "categoricalCrossentropy" });
await testa.fit(tuttiINumeri, etichette, { epochs: 20 });