Informazioni amministrative
| Titolo | Reti neurali convoluzionali e trasformatori per immagini |
| Durata | 60 |
| Modulo | B |
| Tipo di lezione | Esercitazione |
| Focus | Tecnico — Apprendimento profondo |
| Argomento | Reti neurali |
Parole chiave
Reti neurali convoluzionali, reti di trasformatori, visione computerizzata,
Obiettivi di apprendimento
- Implementare e formare una CNN e un Transformer per un problema di computer vision da zero
- Confrontando le prestazioni dei due modelli
Preparazione prevista
Eventi di apprendimento da completare prima
Obbligatorio per gli studenti
Facoltativo per gli studenti
Nessuno.
Referenze e background per gli studenti
Nessuno.
Consigliato per gli insegnanti
Nessuno.
Materiale didattico
Istruzioni per gli insegnanti
Qui l'obiettivo è quello di mostrare le fasi di implementazione della rete di trasformatori per le immagini. Implementiamo anche una CNN di base con un numero simile di parametri addestrabili, in modo da poter confrontare le prestazioni della CNN con il modello ViT.
Contorno
| Durata (min) | Descrizione |
|---|---|
| 15 | Formazione di una semplice rete neurale convoluzionale |
| 35 | Formazione di un trasformatore di visione (ViT) rete neurale |
| 10 | Confrontando le prestazioni dei due diversi approcci |
Riconoscimenti
Il programma Human-Centered AI Masters è stato co-finanziato dal meccanismo per collegare l'Europa dell'Unione europea nell'ambito della sovvenzione CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.