Course Outline

Invoering

  • Chainer versus Caffe versus Torch
  • Overzicht van Chainer kenmerken en componenten

Aan de slag

  • Inzicht in de trainerstructuur
  • Installeren van Chainer, CuPy en NumPy
  • Functies definiëren voor variabelen

Opleiding Neural Networks in Chainer

  • Een computationele grafiek construeren
  • Voorbeelden van MNIST-gegevenssets uitvoeren
  • Parameters bijwerken met behulp van een optimizer
  • Beelden verwerken om de resultaten te evalueren

Werken met GPUs in Chainer

  • Implementeren van terugkerende neurale netwerken
  • Meerdere GPUs gebruiken voor parallellisatie

Implementatie van andere neurale netwerkmodellen

  • Het definiëren van RNN-modellen en lopende voorbeelden
  • Afbeeldingen genereren met Deep Convolutional GAN
  • Actieve Reinforcement Learning voorbeelden

Probleemoplossen

Samenvatting en conclusie

Requirements

  • Een goed begrip van kunstmatige neurale netwerken
  • Bekendheid met deep learning-frameworks (Caffe, Torch, enz.)
  • Python-programmeerervaring

Publiek

  • AI-onderzoekers
  • Ontwikkelaars
  14 Hours

Getuigenissen (3)

Related Courses

Related Categories