ichraibi / LSTM-AI4Industry

Comment implémenter un réseau de neurones dotée d'une couche cachée de LSTM avec Keras ?

LSTM-AI4Industry, Edition 2021

Last Update : 15 Janvier 2021

##Description

Présentation de l'implémentation de LSTM dans un réseau de neurones avec Keras via un jupyter Notebook

#Mode d'emploi Avec jupyter Notebook

Pour executer le code en local :

1. Installer jupyter notebook :https://jupyter.org/install

        pip3 install jupyterlab

2. Lancer jupyter notebook :

        jupyter-lab

Cette commande va ouvrir une page de votre navigateur web et vous afficher le répertoire du projet

3. Télécharger le répertoire git avec le jupyter notebook

4. Localiser le répertoire télécharger

5. Lancer l'execution du fichier .ipynb

Dans un fichier python

Installer :

• python 3
• tensorflow

pip3 install tensorflow

Ressources supplémentaires pour approfondir

• Keras : https://keras.io/api/layers/recurrent_layers/lstm/

• Gestion des taux d'apprentissages et des optimizers : https://keras.io/api/optimizers/

• Représentation graphique des l'architecture de réseaux de neurones : https://keras.io/api/utils/model_plotting_utils/

• Lhuilhier, Marine, 2020. Extraction de l’expertise métier au travers de la question de l’interprétabilité des réseaux de neurones récurrents : application au code informatique. Disseration, EPSI Bordeaux, France. URL :https://github.com/MarineLH/interpretability_of_neural_networks

• Browlee, Jason, 2020. Understanding Stateful LSTM Recurrent Neural Networks in Python with Keras.

##Contact :

• Ikram Chraibi Kaadoud
• https://www.ai4industry.fr/