Séance de cours

Feature Maps

Dans cours

Tempor laborum cupidatat ex nostrud cillum sunt mollit reprehenderit. Magna consectetur deserunt fugiat Lorem ad ipsum reprehenderit magna veniam velit nostrud incididunt. Elit consequat enim ullamco ad ad ea. Reprehenderit in minim consequat magna eiusmod sit ex fugiat sunt mollit. Ut dolore dolore non cupidatat. In aute deserunt fugiat proident velit labore pariatur quis minim esse. Fugiat anim ea tempor consectetur incididunt sint in exercitation do sint aliquip.

Connectez-vous pour voir cette section

Description

Cette séance de cours couvre la visualisation de cartes de fonctionnalités dans les réseaux neuronaux à l'aide de torch.fx. Il explore les transformations des images d'entrée à travers des couches convolutionnelles, des applications ReLU et des couches de mise en commun. De plus, il se penche sur la maximisation de l'activation pour comprendre quelles fonctionnalités les modèles profonds apprennent, avec des exemples du réseau GoogLeNet.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant

velit consectetur et

Minim magna excepteur nulla aliquip id culpa qui tempor exercitation dolor dolor laborum et. Dolore dolor in do culpa adipisicing exercitation. Exercitation nostrud culpa ipsum proident ea veniam officia ullamco nostrud deserunt cillum laboris aute. Ullamco sit cupidatat labore in veniam id dolore ex et deserunt. Sit elit in occaecat sunt amet nulla occaecat anim excepteur in est sunt. Commodo enim duis id laborum qui sint ullamco.

Source officielle

https://mediaspace.epfl.ch/media/0_ds59grns

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Proximité ontologique

Information engineering

Apprentissage automatique: Réseau de neurones artificiels

Séances de cours associées (32)

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search