Административна информация
| Дял | Конволюционни невронни мрежи |
| Продължителност | 60 |
| Модул | Б |
| Вид на урока | Урок |
| Фокус | Технически — задълбочено обучение |
| Тема | Задълбочено учене |
Ключови думи
CNN, дълбоко обучение, Python,
Учебни цели
- Внедряване и обучение на CNN за проблем с класификацията на изображенията от нулата
- Прецизиране на вече обучена мрежа
- Трансфер на обучение с помощта на архитектури, обучени в ImageNet
Очаквана подготовка
Обучение на събития, които трябва да бъдат завършени преди
Задължително за студентите
- Теория на CNN
Незадължително за студенти
- Няма
Референции и фон за студенти
- Няма
Препоръчва се за учители
Няма.
Материали за уроци
Инструкции за учители
Този урок обхваща основно развитие, обучение и тестване на CNN. Три различни уроци, приложени под формата на Jupyter Notebook ще бъдат показани и обсъдени. По-специално:
- ще бъде показано изпълнението на обикновена CNN. Обучението ще бъде осъществено с прост свободно достъпен набор от данни (напр. MNIST). Ще бъде показана оценка по отношение на точността на тестовия комплект след етапа на обучение.
- фината настройка на вече обучена мрежа ще бъде направена върху нов набор от данни (напр. Fashion-MNIST). Ще бъде показана и обсъдена оценка и сравнение с мрежа, обучена от нулата.
- ще се покаже как да заредите и запазите персонализирани модели.
График
| Продължителност (мин) | Описание | Концепции | Дейност | Материал |
|---|---|---|---|---|
| 20 | Прилагане и обучение на обикновена CNN | |||
| 20 | Фина настройка на вече обучена мрежа | |||
| 20 | зареждане и запазване на архитектури |
Потвърждения
Благодарим на инж. Андреа Апичела за приноса му в разработването на материала.
Магистърската програма по ИИ, насочена към човека, беше съфинансирана от Механизма за свързване на Европа на Европейския съюз под формата на безвъзмездни средства № CEF-TC-2020—1 Digital Skills 2020-EU-IA-0068.