Séance de cours

Deep Learning: Réseaux convolutionnels

Description

Cette séance de cours couvre les concepts d'apprentissage profond liés aux réseaux neuronaux convolutionnels, y compris l'extension des perceptrons multicouches, l'autograde, la descente stochastique des gradients, les convolutions, la mise en commun, la rétropropagation et l'utilisation de graphiques dynamiques pour le calcul des dérivés. L'instructeur explique la propagation vers l'avant, la propagation vers l'arrière et le calcul des dérivés des paramètres dans les réseaux profonds. La séance de cours aborde également les défis de l'écriture de modèles complexes et les avantages de l'utilisation de bibliothèques comme PyTorch pour la construction automatique de graphiques. Des implémentations pratiques de la descente stochastique en gradient et du mini-traitement par lots sont présentées, ainsi que l'importance des paramètres partagés dans les modèles d'apprentissage profond.

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
commodo sit minim ex
Ut ipsum sunt nisi consectetur eu tempor. Ex et Lorem tempor sunt voluptate ipsum aliquip incididunt occaecat do. Enim ullamco tempor deserunt quis. Elit nulla commodo officia duis veniam dolor do occaecat mollit. Est deserunt magna laboris tempor reprehenderit. Voluptate amet elit excepteur commodo. Sit sunt sunt ullamco cillum duis pariatur sint sunt magna.
Connectez-vous pour voir cette section
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.
Séances de cours associées (90)
Réseaux profonds et convolutifs : généralisation et optimisation
Explore les réseaux profonds et convolutifs, couvrant la généralisation, l'optimisation et les applications pratiques dans l'apprentissage automatique.
Réseaux neuronaux : formation et activation
Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.
Méthodes de noyau: Réseaux neuronaux
Couvre les fondamentaux des réseaux neuronaux, en mettant l'accent sur les noyaux RBF et SVM.
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.
Analyse des documents : Modélisation des sujets
Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.
Afficher plus

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.