Computer Vision with GluonCV (Portuguese)

סקירה כללית

Neste curso, você obterá conhecimentos práticos sobre os componentes de uma rede neural convolucional (CNN), como convoluções, camadas de agrupamento etc. Alex Smola e Tong He mostram como implementar algumas técnicas de visão computacional usando o GluonCV, um toolkit de visão computacional.

Observação:

Este curso tem transcrições/legendas traduzidas.

A narração está em inglês. Para exibir as legendas, clique no botão CC no canto inferior direito do player.

Público-alvo

Este curso é destinado a:

• Desenvolvedores buscando implementar modelos comuns de visão computacional

Objetivos do curso

Neste curso, você aprenderá a:

• Resumir vários componentes de redes neurais convolucionais, como convoluções, preenchimento e canais
• Escrever os componentes como código ao criar uma rede neural como a LeNet
• Importar dados para um Gluon Data Loader para treinamento e transformação

Pré-requisitos

Recomendamos que os participantes do curso cumpram os seguintes pré-requisitos:

• Conhecimento básico de redes neurais artificiais
• Conhecimento básico de tópicos de álgebra linear, como matrizes, multiplicação de matrizes e produtos escalares

Método de apresentação

Este curso é apresentado no seguinte formato:

• Treinamento digital

Duração

2 horas

Descrição do curso

Este curso aborda os seguintes conceitos:

• Convoluções
• Preenchimento e passo
• Canais
• Agrupamento
• LeNet
• Funções de ativação
• Dropout
• Normalização em lote
• Blocos
• A maldição da última camada
• Redes residuais
• Processamento de dados

University:

AWS Skill Builder

Categories:

Computer Vision Courses, Linear Algebra Courses, GluonCV Courses

נושאים