Build your ultimate AI agent
Opis kursu
Naucz się korzystać z konwolucyjnych sieci neuronowych w Pythonie
Model obrazowy często wymaga metod deep learning, które wykorzystują dane do trenowania sieci neuronowych algorytmy sieciowe do wykonywania różnych zadań uczenia maszynowego. Sieci neuronowe konwolucyjne sieci neuronowe konwolucyjne (CNN) są szczególnie potężnymi sieciami neuronowymi, których użyjesz do klasyfikować różne typy obiektów do analizy obrazów. Ten czterogodzinny kurs nauczy Cię, jak konstruować, trenować i oceniać CNN-y za pomocą Keras.Przekształcanie obrazów w dane i uczenie sieci neuronowych ich klasyfikowania to jest wymagający element deep learning z szerokimi zastosowaniami w całym zakresie biznesu i badań, od pomagania witrynie eCommerce w lepszym zarządzaniu zapasami umożliwiając badaczom nowotworów szybkie wykrywanie niebezpiecznego czerniaka.
Odkryj sieci CNN w Keras
Pierwszy rozdział tego kursu pokazuje, jak obrazy można postrzegać jako dane, oraz jak możesz użyć Keras do trenowania sieci neuronowej do klasyfikowania obiektów znalezionych w obrazy.Drugi rozdział obejmie sploty, fundamentalną część CNN. Będziesz dowiedz się, jak działają na danych obrazowych, i naucz się trenować oraz dostrajać swój Keras CNN z wykorzystaniem danych testowych. Późniejsze rozdziały omawiają to bardziej szczegółowo i uczą Cię jak stworzyć sieć głębokiego uczenia.
Zbuduj własną sieć neuronową Keras
Zakończysz kurs, poznając różne sposoby śledzenia, jak jak działa CNN i jak możesz poprawić jego wydajność. W tym momencie, będziesz w stanie tworzyć sieci neuronowe Keras, optymalizować je i wizualizować ich odpowiedzi w różnych zastosowaniach.Wymagania wstępne
Program kursu
Plan kursu
1
Przetwarzanie obrazów z sieciami neuronowymi
Konwolucyjne sieci neuronowe uczą się na podstawie danych zawartych w obrazach. W tym rozdziale przyjrzysz się danym w obrazach i nauczysz się, jak używać Keras do trenowania sieci neuronowej klasyfikującej obiekty widoczne na obrazach.
- Wprowadzenie do konwolucyjnych sieci neuronowych50 XP
- Obrazy jako dane: wizualizacje100 XP
- Obrazy jako dane: modyfikowanie obrazów100 XP
- Klasyfikacja obrazów50 XP
- Kodowanie one-hot do reprezentowania obrazów100 XP
- Ocena klasyfikatora100 XP
- Klasyfikacja z Keras50 XP
- Zbuduj sieć neuronową100 XP
- Kompilowanie sieci neuronowej100 XP
- Dopasowywanie modelu sieci neuronowej do danych odzieżowych100 XP
- Kroswalidacja w ocenie sieci neuronowej100 XP
2
Zastosowanie konwolucji
Konwolucje to podstawowe elementy składowe konwolucyjnych sieci neuronowych. W tym rozdziale poznasz konwolucje i dowiesz się, jak działają na danych obrazowych. Zobaczysz też, jak wbudować konwolucje w sieci neuronowe tworzone w Keras.
3
Głębsze sieci
Konwolucyjne sieci neuronowe zyskują na mocy, gdy są budowane z wielu warstw (sieci głębokie). W tym rozdziale nauczysz się, jak układać wiele warstw konwolucyjnych w głęboką sieć. Dowiesz się również, jak śledzić liczbę parametrów w miarę rozrostu sieci i jak tę liczbę kontrolować.
4
Zrozumienie i doskonalenie głębokich konwolucyjnych sieci neuronowych
Istnieje wiele sposobów na poprawę procesu trenowania sieci neuronowych. W tym rozdziale skupimy się na monitorowaniu skuteczności sieci oraz zbadamy metody doskonalenia konwolucyjnych sieci neuronowych.
Modelowanie obrazów z Keras
Kurs
ukończony
