Course Outline

Εισαγωγή

    Chainer vs Caffe vs Torch Επισκόπηση των χαρακτηριστικών και των εξαρτημάτων του Chainer

Ξεκινώντας

    Κατανόηση της δομής εκπαιδευτή Εγκατάσταση Chainer, CuPy και NumPy Καθορισμός συναρτήσεων σε μεταβλητές

Εκπαίδευση Neural Networks στο Chainer

    Κατασκευή υπολογιστικού γραφήματος Εκτέλεση παραδειγμάτων δεδομένων MNIST Ενημέρωση παραμέτρων με χρήση βελτιστοποιητή Επεξεργασία εικόνων για αξιολόγηση αποτελεσμάτων

Εργασία με GPUs στο Chainer

    Υλοποίηση επαναλαμβανόμενων νευρωνικών δικτύων Χρήση πολλαπλών GPUs για παραλληλοποίηση

Εφαρμογή άλλων μοντέλων νευρωνικών δικτύων

    Ορισμός μοντέλων RNN και παραδειγμάτων εκτέλεσης Δημιουργία εικόνων με παραδείγματα Deep Convolutional GAN Running Reinforcement Learning

Αντιμετώπιση προβλημάτων

Περίληψη και Συμπέρασμα

Requirements

  • Κατανόηση των τεχνητών νευρωνικών δικτύων
  • Εξοικείωση με πλαίσια βαθιάς μάθησης (Caffe, Torch, κ.λπ.)
  • Εμπειρία προγραμματισμού Python

Ακροατήριο

  • Ερευνητές AI
  • προγραμματιστές
  14 Hours
 

Number of participants


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Testimonials (3)

Related Courses

Introduction Deep Learning & Réseaux de neurones pour l’ingénieur

  21 Hours

Related Categories