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.
Návrh Školení
Úvod
- Chainer vs Caffe vs Torch Přehled vlastností a komponent Chainer
Začínáme
- Pochopení struktury trenéra Instalace funkcí Chainer, CuPy a NumPy Definování proměnných
Školení Neural Networks v Chainer
- Vytvoření výpočetního grafu Spuštění příkladů datové sady MNIST Aktualizace parametrů pomocí optimalizátoru Zpracování obrázků k vyhodnocení výsledků
Práce s GPUs v řetězci
- Implementace rekurentních neuronových sítí Použití více GPUs pro paralelizaci
Implementace dalších modelů neuronových sítí
- Definování modelů RNN a příklady běhu Generování obrázků pomocí příkladů Deep Convolutional GAN Running Reinforcement Learning
Odstraňování problémů
Shrnutí a závěr
Požadavky
- Pochopení umělých neuronových sítí
- Znalost rámců hlubokého učení (Caffe, Torch atd.)
- Zkušenosti s programováním v Pythonu
Publikum
- Výzkumníci AI
- Vývojáři
14 hodiny
Reference (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
Kurz - 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
Kurz - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible