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

Počet účastníků



Price per participant

Reference (3)

Související kurzy

Související kategorie