Passer au contenu principal

Switch to dark mode

Recherche

Afficher tous les résultats pour

Accueil

Séance de cours

Réseaux entièrement connectés sur MNIST et SUSY Datasets

À propos
Confidentialité
Mentions légales

Copyright © 2025 EPFL, tous droits réservés

Graph Chatbot

Description

Cette séance de cours couvre la mise en œuvre de réseaux neuronaux entièrement connectés sur les ensembles de données MNIST et SUSY à l'aide de PyTorch. Il comprend la formation des réseaux, l'évaluation des performances et la visualisation des résultats.

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

Source officielle

https://mediaspace.epfl.ch/media/0_q8ohfnr3

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.

Dans cours

DEMO: aute nostrud

Cupidatat velit et aliquip qui enim veniam minim. Qui adipisicing nisi laboris esse anim est laboris dolore. Qui ad do aute aliqua in tempor irure ad velit proident. Pariatur dolor dolor proident exercitation sunt sit exercitation. Ullamco quis cupidatat et pariatur est dolore. Eu sunt ea magna amet cillum enim adipisicing. Sunt fugiat ea nulla amet aliqua enim commodo.

Enseignant

est cupidatat proident

Aliqua nisi laborum reprehenderit est sint ipsum culpa sint incididunt commodo minim dolor enim. Elit ea qui sit tempor do cillum ea anim exercitation dolor id. Aliqua ut ipsum Lorem adipisicing veniam consequat velit anim fugiat ut cupidatat officia sit. Commodo adipisicing eu proident consequat officia occaecat labore anim eiusmod aute laboris. Sit deserunt minim qui enim. Qui culpa ex id ipsum ex.

Proximité ontologique

Information engineering

Apprentissage automatique: Réseau de neurones artificiels

Séances de cours associées (32)

Deep Learning : réseaux neuronaux convolutifs

Couvre les réseaux neuronaux convolutifs, les architectures standard, les techniques de formation et les exemples contradictoires en apprentissage profond.

PyTorch et réseaux convolutifs

Couvre la structure des données du tenseur PyTorch et forme un CNN pour classer les 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.

Perception : Approches fondées sur les données

Explore la perception dans l'apprentissage profond pour les véhicules autonomes, couvrant la classification d'image, les méthodes d'optimisation, et le rôle de la représentation dans l'apprentissage automatique.

Réseaux neuronaux : formation et activation

Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.