Descrição
Neste curso, você obterá conhecimentos práticos sobre os componentes de uma rede neural convolucional (CNN), como convoluções, camadas de agrupamento etc. Neste curso, Alex Smola e Tong He mostram como implementar algumas técnicas de visão computacional usando o GluonCV, um toolkit de visão computacional.
Observação: Este curso tem transcrições/legendas traduzidas. A narração está em inglês.Para exibir as legendas, clique no botão CC no canto inferior direito do player.
Público-alvo
Este curso é destinado a:
• Desenvolvedores buscando implementar modelos comuns de visão computacional
Objetivos do curso
Neste curso, você aprenderá a:
• Resumir vários componentes de redes neurais convolucionais, como convoluções, preenchimento e canais• Escrever os componentes como código ao criar uma rede neural como a LeNet• Importar dados para um Gluon Data Loader para treinamento e transformação
Pré-requisitos
Recomendamos que os participantes do curso cumpram os seguintes pré-requisitos:
• Conhecimento básico de redes neurais artificiais• Conhecimento básico de tópicos de álgebra linear, como matrizes, multiplicação de matrizes e produtos escalares
Método de apresentação
Este curso é apresentado no seguinte formato:• Treinamento digital
Duração
2 horas
Descrição do curso
Este curso aborda os seguintes conceitos:
• Convoluções• Preenchimento e passo• Canais• Agrupamento• LeNet• Funções de ativação• Dropout• Normalização em lote• Blocos• A maldição da última camada• Redes residuais• Processamento de dados
