Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione
- Chainer contro Caffè contro Torch
- Panoramica delle caratteristiche e dei componenti di Chainer
Introduttiva
- Comprendere la struttura del formatore
- Installazione di Chainer, CuPy e NumPy
- Definizione di funzioni sulle variabili
Training Neural Networks in Chainer
- Costruzione di un grafo computazionale
- Esecuzione di esempi di set di dati MNIST
- Aggiornamento dei parametri tramite un ottimizzatore
- Elaborazione delle immagini per valutare i risultati
Lavorare con GPUs in Chainer
- Implementazione di reti neurali ricorrenti
- Utilizzo di più GPU per la parallelizzazione
Implementazione di altri modelli di rete neurale
- Definizione di modelli RNN ed esempi di esecuzione
- Generazione di immagini con GAN convoluzionale profondo
- Esecuzione di Reinforcement Learning esempi
Risoluzione dei problemi
Riassunto e conclusione
Requisiti
- Comprensione delle reti neurali artificiali
- Familiarità con i framework di deep learning (Caffe, Torch, ecc.)
- Esperienza di programmazione Python
Pubblico
- Ricercatori di IA
- Gli sviluppatori
14 ore
Recensioni (3)
It felt like we were going through directly relevant information at a good pace (i.e. no filler material)
Maggie Webb - Department of Jobs, Regions, and Precincts
Corso - Introduction to the use of neural networks
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Corso - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible