پیشنهاد فرادرس

آموزش یادگیری عمیق با Caffe2 

دسته بندی ها: آموزش پایتون (Python) ، آموزش های Packtpub ، یادگیری عمیق (Deep Learning) ، هوش مصنوعی

یادگیری عمیق یکی از بیشترین مهارت های مورد نیاز در بخش فناوری است. یکی از دلایل انتخاب Caffe2 برای این دوره سرعت پردازش آن در مقایسه با سایر پلتفرم ها است. از آنجا که اساس معماری در Caffe2 درواقع CUDA است، انعطاف پذیری در بهینه سازی کد به عنوان سخت افزار مورد استفاده را  فراهم می کند. در این دوره با  مبانی یادگیری عمیق،  درک نحوه ساخت شبکه های عصبی و درک شبکه های پیچشی، RNNs، Adam، Dropout، BatchNorm و موارد دیگر، نحوه آموزش و مدیریت یک شبکه عصبی عمیق، کار با Caffe2 با استفاده از زبان های برنامه نویسی Python آشنا می شوید.

سرفصل:

  • معرفی دوره
  • راه اندازی Caffe2 در لینوکس
  • درک معماری Caffe2
  • انتقال از یادگیری ماشین به یادگیری عمیق
  • اجرای یک طبقه بندی تصویر با استفاده از Caffe2
  • پیاده سازی شبکه عصبی و یادگیری عمیق
  • در مورد ماتریس ها با استفاده از پایتون - NumPy
  • درک و اجرای رگرسیون منطقی و شبکه های عصبی
  • درک و پیاده سازی شبکه های عمیق عصبی
  • درک Caffe2
  • معرفی Caffe2
  • بسته بندی پایتون Caffe2
  • اپراتورهای ریاضی در Caffe2
  • سازندگان شبکه و Assisters در Caffe2 - قسمت 1
  • سازندگان شبکه و Assisters در Caffe2 - قسمت 2
  • سازندگان شبکه و Assisters در Caffe2 - قسمت 3
  • درک یک شبکه عصبی پیچشی
  • چگونه ماشین ها یاد بگیرند که ببینند!
  • معرفی شبکه های عصبی پیچشی
  • با استفاده از Caffe2، لایه ی Convolution اجرا کنید
  • نقش توابع فعال سازی در حل بهینه سازی غیر خطی
  • استراتژی یادگیری ماشینی
  • نحوه انتخاب داده ها، تهیه و پردازش
  • اصلاح شبکه های عصبی
  • بهینه سازی شبکه های عصبی
  • الگوریتم های بهینه سازی
  • مقدمه ای بر شبکه عصبی Recurrent
  • یادگیری دنباله ای
  • مقدمه ای بر شبکه های عصبی مصنوعی افزوده شده
  • و غیره
به این نوشته امتیاز دهید 1 2 3 4 5 بدون امتیاز
Introduction to Deep Learning with Caffe2 [Video] Publisher:Packtpub Author:Abhishek Kumar Annamraju Duration:1 hour 56 minutes

Create powerful applications for the real world using Caffe2
Deep learning is one of the most highly sought-after skills in the technology sector. If you want to take a crack at AI, then this course will help you do so. One of the many reasons for choosing Caffe2 for this course is its processing speed as compared to other platforms. Since the basis of the architecture in Caffe2 is CUDA, it provides flexibility in optimizing the code as per the hardware being used.
You’ll learn the foundations of Deep Learning, understand how to build neural networks and develop an understanding of convolutional networks, RNNs, Adam, Dropout, BatchNorm and more. You’ll be working on various projects throughout this MOOC with a focus on how to train and manipulate a deep neural network effectively. You’ll practice all these ideas in Caffe2 using Python programming languages.
By the end of the course, you’ll gain an understanding of every element of Caffe2 and be able to use the library in the most efficient way.
All the code and supporting files for this course are available on Github at https://github.com/PacktPublishing/Introduction-to-Deep-Learning-with-Caffe2
Style and Approach
An exhaustive course packed with step-by-step instructions, working examples, and actionable advice on understanding Caffe2 to build deep learning applications. This course is properly segmented so that you can learn at your own pace and focus on your area of interest.
Released: Friday, August 31, 2018
Setting Up Caffe2
The Course Overview
Set Up Caffe2 on Linux
Understanding the Caffe2 Architecture
Transitioning from Machine Learning to Deep Learning
Running an Image Classifier Using Caffe2
Implementing Neural Networks and Deep Learning
Learn about Matrices Using Python – NumPy
Understanding and Implementing Logistic Regression and Neural Networks
Understanding and Implementing Deep Neural Networks
Understanding Caffe2
Caffe2 Introduction
Caffe2 Python Wrapper
Mathematical Operators in Caffe2
Network Creators and Assisters in Caffe2 – Part 1
Network Creators and Assisters in Caffe2 – Part 2
Network Creators and Assisters in Caffe2 – Part 3
Understanding a Convolutional Neural Network
How Machines Learn to See!
Introduction to Convolutional Neural Networks
Implement a Convolution Layer Using Caffe2
Pooling Layer and Dropout in Caffe2
Role of Activation Functions in Solving Non-Linear Optimization
Implementing Weight Initialization, Optimization, and Regularization
Machine Learning Strategy
How to Perform Data Selection, Preparation, and Processing
Regularization of Neural Networks
Optimizing Neural Networks
Optimization Algorithms
Introduction to Recurrent Neural Network
Sequence Learning
Introduction to Recurrent Neural Networks
LSTMs – A Special Case of RNNs
Learning about Word Embeddings
Introduction to Augmented Recurrent Neural Networks

پیشنهاد فرادرس

لینک های دانلود حجم فایل: 500.0MB Packtpub Introduction to Deep Learning with Caffe2 [Video]_git.ir.rar