Descrizione
In questo corso, scoprirai come sviluppare un'utile comprensione dei componenti di una rete neurale convoluzionale (CNN) come le convoluzioni e i livelli di pooling, ecc. In questo corso, Alex Smola e Tong He mostrano come implementare alcune tecniche di visione artificiale utilizzando GluonCV, un kit di strumenti di visione artificiale.
Nota: questo corso fornisce trascrizioni/sottotitoli localizzati. La narrazione è in inglese.Per visualizzare i sottotitoli, fare clic sul pulsante CC nell'angolo in basso a destra del lettore.
Destinatari principali
Questo corso è destinato a:
• Sviluppatori che puntano a implementare modelli comuni di visione artificiale
Obiettivi del corso
In questo corso, imparerai a:
• Riepilogare vari componenti della rete neurale convoluzionale come convoluzioni, padding e canali• Tradurre i componenti in codice durante la creazione di una rete neurale come LeNet• Importare i tuoi dati in un Gluon Data Loader per l'addestramento e la trasformazione
Prerequisiti
È consigliabile che i partecipanti a questo corso soddisfino i seguenti prerequisiti:
• Una comprensione di base delle reti neurali artificiali• Una comprensione di base degli argomenti di algebra lineare come matrici, moltiplicazione di matrice e prodotti scalari
Tipo di corso
Il corso viene offerto mediante:
• Formazione digitale
Durata
2 ore
Riepilogo del corso
Il corso copre i seguenti argomenti:
• Convoluzioni• Padding e stride• Canali• Pooling• LeNet• Funzioni di attivazione• Dropout• Normalizzazione in batch• Blocchi• Il problema dell'ultimo livello• Reti residue• Elaborazione dati
