Beschreibung

In diesem Kurs erhalten Sie ein nützliches Verständnis der Komponenten eines konvolutionalen neuronalen Netzwerks (Convolutional Neural Network – CNN) wie Konvolutionen und Pooling-Ebenen usw. In diesem Kurs zeigen Alex Smola und Tong He, wie man einige Computer-Vision-Techniken mit GluonCV, einem Computer-Vision-Toolkit, implementiert.

Hinweis: Dieser Kurs verfügt über lokalisierte Transkripte/Untertitel. Der Vortrag ist auf Englisch.Um Untertitel anzuzeigen, klicken Sie auf die Schaltfläche CC in der rechten unteren Ecke des Players.

Zielgruppe

Dieser Kurs ist für folgende Zielgruppen konzipiert:

• Entwickler, die gängige Computer-Vision-Modelle implementieren möchten

Kursziele

Inhalte dieses Kurses:

• Zusammenfassen der verschiedenen Komponenten eines konvolutionalen neuralen Netzwerks wie Konvolutionen, Auffüllen und Kanäle• Übersetzen der Komponenten in Code beim Erstellen eines neuronalen Netzwerks wie LeNet• Importieren von Daten in einen Gluon Data Loader zum Training und zur Transformation

Voraussetzungen

Wir empfehlen, dass die Teilnehmer an diesem Kurs die folgenden Voraussetzungen erfüllen:

• Ein grundlegendes Verständnis von künstlichen neuronalen Netzwerken• Ein grundlegendes Verständnis von linearen Algebra-Themen wie Matrizen, Matrizenmultiplikation und Skalarprodukten

Lehrmethode

Dieser Kurs wird bereitgestellt als:

• Digitales Training

Dauer

2 Stunden

Kursinhalt

In diesem Kurs werden die folgenden Konzepte behandelt:

• Konvolutionen• Auffüllen und Schritt• Kanäle• Pooling• LeNet• Aktivierungsfunktionen• DropOut• Stapel-Normalisierung• Blocks• Der Fluch der letzten Ebene• Residualnetzwerke• Datenverarbeitung