Overview
In diesem Kurs erhalten Sie ein nützliches Verständnis der Komponenten eines konvolutionalen neuronalen Netzwerks (Convolutional Neural Network – CNN) wie Konvolutionen und Pooling-Ebenen usw. In diesem Kurs zeigen Alex Smola und Tong He, wie man einige Computer-Vision-Techniken mit GluonCV, einem Computer-Vision-Toolkit, implementiert.
Hinweis: Dieser Kurs verfügt über lokalisierte Transkripte/Untertitel. Der Vortrag ist auf Englisch. Um Untertitel anzuzeigen, klicken Sie auf die Schaltfläche CC in der rechten unteren Ecke des Players.
Zielgruppe
Dieser Kurs ist für folgende Zielgruppen konzipiert:
- Entwickler, die gängige Computer-Vision-Modelle implementieren möchten
Kursziele
Inhalte dieses Kurses:
- Zusammenfassen der verschiedenen Komponenten eines konvolutionalen neuralen Netzwerks wie Konvolutionen, Auffüllen und Kanäle
- Übersetzen der Komponenten in Code beim Erstellen eines neuronalen Netzwerks wie LeNet
- Importieren von Daten in einen Gluon Data Loader zum Training und zur Transformation
Voraussetzungen
Wir empfehlen, dass die Teilnehmer an diesem Kurs die folgenden Voraussetzungen erfüllen:
- Ein grundlegendes Verständnis von künstlichen neuronalen Netzwerken
- Ein grundlegendes Verständnis von linearen Algebra-Themen wie Matrizen, Matrizenmultiplikation und Skalarprodukten
Lehrmethode
Dieser Kurs wird bereitgestellt als:
- Digitales Training
Dauer
2 Stunden
Kursinhalt
In diesem Kurs werden die folgenden Konzepte behandelt:
- Konvolutionen
- Auffüllen und Schritt
- Kanäle
- Pooling
- LeNet
- Aktivierungsfunktionen
- DropOut
- Stapel-Normalisierung
- Blocks
- Der Fluch der letzten Ebene
- Residualnetzwerke
- Datenverarbeitung
University: Provider: AWS Skill Builder
Categories: Computer Vision Courses, Linear Algebra Courses, GluonCV Courses
Syllabus
Taught by
Tags
AWS Skill Builder
AWS Skill Builder
411 Courses
AWS Skill Builder
Free Certificate
German
2 hours
On-Demand
