Verwaltungsinformationen
| Titel | Konvolutionelle neuronale Netze und Transformatoren für Bilder |
| Dauer | 60 |
| Modulen | B |
| Unterrichtstyp | Anleitung |
| Fokussierung | Technisches – Deep Learning |
| Themenbereich | Neuronale Netze |
Suchbegriffe
Konvolutionelle neuronale Netze, Transformatornetzwerke, Computer Vision,
Lernziele
- Implementierung und Schulung eines CNN und eines Transformers für ein Computer Vision Problem von Grund auf neu
- Vergleich der Leistung der beiden Modelle
Erwartete Vorbereitung
Lernveranstaltungen, die vorab abgeschlossen werden müssen
Obligatorisch für Studenten
Optional für Studenten
Keine.
Referenzen und Hintergründe für Studierende
Keine.
Empfohlen für Lehrer
Keine.
Unterrichtsmaterialien
Anleitung für Lehrer
Ziel ist es, die Implementierungsschritte des Transformatornetzwerks für Bilder aufzuzeigen. Wir implementieren auch ein grundlegendes CNN mit einer ähnlichen Anzahl von trainierbaren Parametern, so dass wir die Leistung des CNN mit dem ViT-Modell vergleichen können.
Gliederung
| Dauer (min) | Beschreibung |
|---|---|
| 15 | Ausbildung eines einfachen konvolutionalen neuronalen Netzes |
| 35 | Ausbildung eines Sehtransformators (ViT) neuronales Netzwerk |
| 10 | Vergleich der Leistung der beiden unterschiedlichen Ansätze |
Danksagung
Das Human-Centered AI Masters-Programm wurde von der Fazilität „Connecting Europe“ der Europäischen Union im Rahmen des Zuschusses „CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068“ kofinanziert.