Adminisztratív információk
| Cím | Modell kompresszió |
| Időtartam | 150 perc |
| Modul | C |
| Lecke típusa | Praktikus |
| Fókusz | Technikai – Jövőbeli MI |
| Téma | Fejlődés az ML modellekben egy HC objektíven keresztül – eredményorientált tanulmány |
Kulcsszó
modell tömörítés, metszés, kvantálás, tudásdesztilláció,
Tanulási célok
- Ismerje meg, hogyan kell végrehajtani a modell tömörítési technikáit
- Ragadja meg a metszés, a kvantálás és a tudáslepárlás előnyeit
- Egy olyan magas szintű keretrendszer megismerése, mint a TensorFlow
Várható előkészítés
Az előtt befejezendő tanulási események
Kötelező a diákok számára
- A modell tömörítési koncepcióinak és technikáinak alapvető megértése
- A gépi és mélytanulási modellek teljesítményének alapvető megértése (pl. pontosság, pontosság és visszahívás, F pontszám)
- A Python programozási nyelv ismerete
Választható diákok számára
- A TensorFlow keretrendszer ismerete
Referenciák és háttér a diákok számára
- Gépi tanulás és neurális hálózatok elméletének ismerete
Ajánlott tanároknak
- A TensorFlow keretrendszer és a Python programozási nyelv ismerete
- Gyakorlati áttekintést nyújt a modelltömörítési technikák kihasználásához szükséges megvalósításokról
- Pop-up kvízek javaslata
Leckeanyagok
Utasítások tanároknak
- Rövid áttekintés a Tensorflow 2.x-ről
- A Google Colab használata Jupyter Notebookként a gyakorlati alkalmazáshoz
- A diákoknak az egyes feladatokra kijelölt időt kell használniuk.
- A 4. feladat 1. feladatát a fennmaradó feladatok kiosztása előtt kell elvégezni.
A lecke vázlata
| Időtartam | Leírás | Fogalmak | Tevékenység | Anyag |
|---|---|---|---|---|
| 0–10 perc | Bevezetés a használt eszközökhöz és a kezek piszkosságához egy másodperc alatt | Eszközök bevezetése | Bevezetés a fő eszközökbe | |
| 10–80 perc | [Tesk 1 – Task 3] Egy modell kiképzése, majd? A metszés és a kvantálás alkalmazása a munkamodellekre és a teljesítmények összehasonlítása | Metszés és mennyiségi meghatározás | Gyakorlati ülés és munka példák | CoLab jegyzetfüzet |
| 80–140 perc | [4. feladat – 6. feladat] Mikor lehet hasznos a tudáslepárlás? Hogyan lehet desztillálni a tudást a tanártól a hallgatóig | Tudásdesztilláció | Gyakorlati ülés és munka példák | CoLab jegyzetfüzet |
| 140–150 perc | Következtetések, kérdések és válaszok | Összefoglaló | Következtetések |
Visszaigazolások
- Rosario Catelli [CNR]
- A Google Colab metszéssel kapcsolatos anyagai
- Google Colab anyagok a desztillációról
A Human-Centered AI Masters programot az Európai Unió Európai Hálózatfinanszírozási Eszköze (CEF-TC-2020–1 Digitális készségek 2020 EU-IA-0068) társfinanszírozta.