Informații administrative
| Titlu | Rețele neuronale convoluționale |
| Durată | 180 |
| Modulul | B |
| Tipul lecției | Practică |
| Focalizare | Tehnică – Învățare profundă |
| Subiect | Învățare profundă |
Cuvinte cheie
CNN,Învățare profundă,Python,
Obiective de învățare
- Câștigați experiență în instruirea și testarea CNN-urilor
- Câștigați experiență în învățarea transferurilor utilizând CNN-uri și straturi de congelare
- Câștigați experiență într-o problemă de clasificare bine cunoscută folosind CNN-uri
Pregătirea preconizată
Evenimente de învățare care urmează să fie finalizate înainte
Obligatoriu pentru studenți
- Teorie și practică pe CNN
Opțional pentru studenți
- Nici unul.
Referințe și context pentru studenți
- Nici unul.
Recomandat pentru profesori
- Nici unul.
Materiale de lecție
Nici unul.
Instrucțiuni pentru profesori
Această practică acoperă dezvoltarea, instruirea și testarea CNN fundamentale. Vor fi administrate trei exerciții de dificultate crescândă, fiecare dintre ele acoperind un aspect diferit al CNN-urilor. Toate soluțiile propuse vor fi implementate în Python, folosind pachetul PyTorch. Exercițiile propuse constau în:
- Exercițiul 1: setul de date MNIST simplu va fi folosit pentru a instrui și testa trei CNN simple compuse din unul, două și trei straturi convoluționale. Punerea în comun și normalizarea loturilor vor fi, de asemenea, adăugate pentru a compara diferitele performanțe.
- Exercițiul 2: va fi încărcată o rețea profundă (de exemplu, LeNet-5) preinstruită pe ImageNet. Apoi, spectacolele de pe MNIST și CIFAR10 vor fi evaluate după o etapă de reglaj fin. Se vor face diferite experimente, luând în considerare condiții diferite, cum ar fi reglajul fin al tuturor straturilor sau numai al ultimelor.
- Exercițiul 3: filtrele unei rețele învățate vor fi vizualizate.
- Exercițiul 4: mai multe seturi de date (cum ar fi CIFAR10 și SVHN) vor fi testate utilizând alte arhitecturi diferite (cum ar fi ResNet și VGG16), iar performanțele finale ale seturilor de testare vor fi evaluate.
Orarul
| Durată (min) | Descriere | Concepte | Activitate | Material |
|---|---|---|---|---|
| 40 | Exercițiul 1: dezvoltarea, instruirea și testarea CNN-urilor simple pe un set de date simplu | |||
| 40 | Exercițiul 2: încărcarea unui model pregătit în prealabil, evaluare după și înainte de reglarea fină a seturilor de date comune | |||
| 20 | Exercițiul 3: vizualizarea unui subset de filtre învățate | |||
| 80 | Exercițiul 3: compararea performanțelor de clasificare pe diferite arhitecturi și a datelor mai complexe |
Confirmări
Îi mulțumim lui Eng. Andrea Apicella pentru contribuția sa la dezvoltarea materialului.
Programul de masterat AI centrat pe om a fost cofinantat de Mecanismul pentru interconectarea Europei al Uniunii Europene sub Grantul CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.
Plan de lecție pe SURF
[{{{SurfLink}} Pagina Wikiwijs]