Informazzjoni Amministrattiva
| Titlu | Netwerks Neurali Konvoluzzjonarji |
| Tul ta’ żmien | 180 |
| Modulu | B |
| Tip ta’ lezzjoni | Prattiċi |
| Fokus | Tekniku — Tagħlim Profond |
| Suġġett | Tagħlim profond |
Kliem prinċipali
CNN,Tagħlim fil-fond, Pithon,
Għanijiet ta’ Tagħlim
- Jiksbu esperjenza fit-taħriġ u l-ittestjar CNNs
- Ikseb esperjenza fit-Tagħlim tat-Trasferiment bl-użu tas-CNNs u saffi tal-iffriżar
- Jiksbu esperjenza fi problema ta’ klassifikazzjoni magħrufa sew bl-użu ta’ CNNs
Preparazzjoni mistennija
Avvenimenti ta’ Tagħlim li għandhom jiġu Mlestija Qabel
Obbligatorju għall-Istudenti
- Teorija u prattika dwar CNN
Fakultattiv għall-Istudenti
- Xejn.
Referenzi u sfond għall-istudenti
- Xejn.
Rakkomandat għall-Għalliema
- Xejn.
Materjali tal-lezzjoni
Xejn.
Struzzjonijiet għall-Għalliema
Dan Prattiku jkopri l-iżvilupp, it-taħriġ u l-ittestjar fundamentali tas-CNN. Se jiġu amministrati tliet eżerċizzji ta’ diffikultà dejjem akbar, kull wieħed minnhom ikopri aspett differenti tas-CNNs. Is-soluzzjonijiet kollha proposti se jiġu implimentati f’Python, bl-użu tal-pakkett PyTorch. l-eżerċizzji proposti jikkonsistu fi:
- Eżerċizzju 1: is-sett tad-data MNIST sempliċi se jintuża biex iħarreġ u jittestja tliet CNNs sempliċi magħmula rispettivament minn saff wieħed, tnejn, u tliet saffi konvoluzzjonali. Il-ġbir u n-normalizzazzjoni tal-lott se jiżdiedu wkoll biex jitqabblu l-prestazzjonijiet differenti.
- Eżerċizzju 2: se jitgħabba netwerk fond (eż. LeNet-5) imrobbi minn qabel fuq ImageNet. Imbagħad, il-prestazzjonijiet fuq MNIST u CIFAR10 se jiġu evalwati wara stadju ta’ rfinar. Esperimenti differenti se jsiru, meta wieħed iqis kundizzjonijiet differenti, bħal rfinar-saffi kollha jew biss l-aħħar.
- Eżerċizzju 3: il-filtri ta ‘netwerk tgħallmu se jiġu viżwalizzati.
- Eżerċizzju 4: diversi settijiet ta’ data (bħal CIFAR10 u SVHN) se jiġu ttestjati bl-użu ta’ arkitetturi differenti oħra (bħal ResNet u VGG16) u l-prestazzjonijiet finali fuq is-settijiet tat-test se jiġu evalwati.
Skeda ta’ żmien
| Tul ta’ żmien (min) | Deskrizzjoni | Kunċetti | Attività | Materjal |
|---|---|---|---|---|
| 40 | Eżerċizzju 1: l-iżvilupp, it-taħriġ u l-ittestjar ta’ CNNs sempliċi fuq sett ta’ data sempliċi | |||
| 40 | Eżerċizzju 2: it-tqegħid ta’ mudell imħarreġ minn qabel, l-evalwazzjoni wara u qabel l-irfinar ta’ settijiet ta’ data komuni | |||
| 20 | Eżerċizzju 3: viżwalizzazzjoni ta ‘subsett ta’ filtri tgħallmu | |||
| 80 | Eżerċizzju 3: tqabbil tal-prestazzjonijiet tal-klassifikazzjoni fuq arkitetturi differenti u dejta aktar kumplessa |
Rikonoxximenti
Nirringrazzjaw lil Eng. Andrea Apicella għall-kontribut tiegħu fl-iżvilupp tal-materjal.
Il-programm Masters tal-IA Ċentrata mill-Bniedem ġie kofinanzjat mill-Faċilità Nikkollegaw l-Ewropa tal-Unjoni Ewropea Taħt l-Għotja CEF-TC-2020–1 Ħiliet Diġitali 2020-EU-IA-0068.
Pjan ta’ lezzjoni dwar is-SURF
[{{{{SurfLink}} Il-paġna tal-Wikiwijs]