Séance de cours
MaxPooling comme biais inductif pour les images
Séances de cours associées (33)
NFNets: Suppression du batchNorm pour la reconnaissance de l'image à haut rendement
Explore NFNets comme une alternative au BatchNorm dans ResNets, en obtenant des performances élevées sur ImageNet.
Réseaux neuronaux : apprentissage multicouche
Couvre les fondamentaux des réseaux neuronaux multicouches et de l'apprentissage profond, y compris la propagation arrière et les architectures réseau comme LeNet, AlexNet et VGG-16.
Réseaux neuronaux convolutionnels : fondamentaux
Couvre les bases des réseaux neuronaux convolutionnels, y compris l'optimisation de la formation, la structure des couches et les pièges potentiels des statistiques sommaires.
Les principes fondamentaux de l'apprentissage profond
Introduit les bases de l'apprentissage profond, couvrant les réseaux neuronaux, les CNN, les couches spéciales, l'initialisation du poids, le prétraitement des données et la régularisation.
Intelligence visuelle: Machines et esprits
Explore l'intelligence visuelle, la formation d'images, la vision par ordinateur et la compréhension de la représentation dans les machines et les esprits.
Réseaux neuronaux convolutionnels : filtres et canaux
Explore le partage du poids, les filtres, les canaux et l'augmentation des données dans les réseaux neuronaux convolutionnels.
Reconnaissance d'images : jeux de données et algorithmes
Explore un article de 2019 sur la reconnaissance d'images, les défis liés aux ensembles de données, les biais et l'impact des ensembles de données à grande échelle sur les modèles d'apprentissage en profondeur.
Réseaux neuronaux convolutionnels
Couvre les réseaux neuronaux convolutifs, les opérations de filtrage et leurs applications dans le traitement du signal et l'analyse d'images.
Réseaux neuronaux : Réseau neuronal à deux couches
Couvre les bases des réseaux neuraux, en mettant l'accent sur le développement des réseaux neuraux de deux couches vers les réseaux neuraux profonds.
Apprentissage profond pour les véhicules autonomes: Apprentissage
Explore l'apprentissage en apprentissage profond pour les véhicules autonomes, couvrant les modèles prédictifs, RNN, ImageNet, et l'apprentissage de transfert.