Informações administrativas
| Titulo | Redes Neural Convolucionais |
| Duração | 180 |
| Módulo | B |
| Tipo de aula | Prático |
| Foco | Técnico — Aprendizagem Aprofundada |
| Tópico | Aprendizagem profunda |
Palavras-chave
CNN, Aprendizagem profunda, Python,
Objetivos de aprendizagem
- Ganhar experiência em formação e testes de CNNs
- Ganhar experiência em Transferir Aprendizagem usando CNNs e camadas de congelamento
- Ganhar experiência em um problema de classificação bem conhecido usando CNNs
Preparação prevista
Eventos de aprendizagem a serem concluídos antes
Obrigatório para os Estudantes
- Teoria e Prática na CNN
Facultativo para Estudantes
- Nenhuma.
Referências e antecedentes para estudantes
- Nenhuma.
Recomendado para professores
- Nenhuma.
Materiais das aulas
Nenhuma.
Instruções para os professores
Esta prática abrange o desenvolvimento, a formação e os testes fundamentais da CNN. Serão administrados três exercícios de dificuldade crescente, cada um deles abrangendo um aspeto diferente das CNNs. Todas as soluções propostas serão implementadas na Python, utilizando o pacote PyTorch. Os exercícios propostos consistem em:
- Exercício 1: o conjunto de dados MNIST simples será usado para treinar e testar três CNNs simples compostas, respetivamente, por uma, duas e três camadas convolucionais. O agrupamento e a normalização de lotes também serão adicionados para comparar os diferentes desempenhos.
- Exercício 2: uma rede profunda (por exemplo, LeNet-5) pré-treinada na ImageNet será carregada. Em seguida, os desempenhos em MNIST e CIFAR10 serão avaliados após uma fase de ajuste fino. Serão feitas experiências diferentes, tendo em conta diferentes condições, tais como afinar todas as camadas ou apenas as últimas.
- Exercício 3: os filtros de uma rede aprendida serão visualizados.
- Exercício 4: vários conjuntos de dados (como CIFAR10 e SVHN) serão testados utilizando outras arquiteturas diferentes (como ResNet e VGG16) e os desempenhos finais nos conjuntos de testes serão avaliados.
Calendário
| Duração (min) | Descrição | Conceitos | Atividade | Materiais |
|---|---|---|---|---|
| 40 | Exercício 1: desenvolver, treinar e testar CNNs simples num conjunto de dados simples | |||
| 40 | Exercício 2: carregamento de um modelo pré-treinado, avaliação após e antes de afinar os conjuntos de dados comuns | |||
| 20 | Exercício 3: visualizar um subconjunto de filtros aprendidos | |||
| 80 | Exercício 3: comparar desempenhos de classificação em diferentes arquiteturas e dados mais complexos |
Agradecimentos
Agradecemos ao Eng. Andrea Apicella pela sua contribuição no desenvolvimento do material.
O programa de mestrado em IA centrado no ser humano foi cofinanciado pelo Mecanismo Interligar a Europa da União Europeia ao abrigo de subvenções CEF-TC-2020-1 Competências Digitais 2020-EU-IA-0068.
Plano de aula sobre o SURF
[{{{{{{{SurfLink}}} Página Wikiwijs]