مطالب پیشنهادی از سراسر وب

آموزش اصولی یادگیری انتقال برای تصاویر با PyTorch

دسته بندی ها: آموزش پای تورچ (PyTorch) ، آموزش یادگیری ماشینی (Machine Learning) ، آموزش هوش مصنوعی (AI) ، آموزش های لینکدین (LinkedIn) ، آموزش پایتون (Python)

PyTorch بعد از اولین حضورش در سال 2017، به سرعت ابزار انتخابی بسیاری از محققان یادگیری عمیق شد. در این دوره، Jonathan Fernandes به شما نشان می دهد که چگونه می توانید از این فریمورک محبوب یادگیری ماشین برای یک تکنیک شگفت انگیز مشابه استفاده کنید: یادگیری انتقال. او با استفاده از یک رویکرد عملی، مبانی یادگیری انتقال را توضیح می دهد که به شما این امکان را می دهد تا از پارامترهای از پیش آماده شده ی یک مدل یادگیری عمیق موجود برای سایر تسکها بهره بگیرید. او سپس نحوه پیاده سازی یادگیری انتقال برای تصاویر را با استفاده از PyTorch، از جمله نحوه ایجاد یک استخراج کننده ویژگی ثابت و فریزکردن لایه های شبکه عصبی نشان می دهد. همچنین، نحوه استفاده از نرخ یادگیری و نرخ یادگیری افتراقی را دریابید.

1. یادگیری انتقال چیست؟

4. تکنیک های بیشتر

نتیجه

آیا این نوشته را دوست داشتید؟
Linkedin Transfer Learning for Images Using PyTorch: Essential Training Author:Jonathan Fernandes Duration:0:58:35 Level:INTERMEDIATE

After its debut in 2017, PyTorch quickly became the tool of choice for many deep learning researchers. In this course, Jonathan Fernandes shows you how to leverage this popular machine learning framework for a similarly buzzworthy technique: transfer learning. Using a hands-on approach, Jonathan explains the basics of transfer learning, which enables you to leverage the pretrained parameters of an existing deep-learning model for other tasks. He then shows how to implement transfer learning for images using PyTorch, including how to create a fixed feature extractor and freeze neural network layers. Plus, find out about using learning rates and differential learning rates.

پیشنهاد آموزش مرتبط در فرادرس