Plan Szkolenia

Wprowadzenie

  • Chainer vs Caffe vs Torch
  • Przegląd funkcji i składników Chainer

Pierwsze kroki

  • Zrozumienie struktury trenera
  • Instalowanie Chainer, CuPy i NumPy
  • Definiowanie funkcji na zmiennych

Trening Neural Networks w Chainer

  • Konstruowanie grafu obliczeniowego
  • Uruchamianie przykładów zbioru danych MNIST
  • Aktualizacja parametrów przy użyciu optymalizatora
  • Przetwarzanie obrazów w celu oceny wyników

Praca z GPU w Chainer

  • Wdrażanie rekurencyjnych sieci neuronowych
  • Używanie wielu GPU do zrównoleglenia

Implementowanie innych modeli sieci neuronowych

  • Definiowanie modeli RNN i uruchamianie przykładów
  • Generowanie obrazów za pomocą Deep Convolutional GAN
  • Uruchamianie przykładów Reinforcement Learning

Rozwiązywanie problemów

Podsumowanie i wnioski

Wymagania

  • Zrozumienie sztucznych sieci neuronowych
  • Znajomość frameworków głębokiego uczenia (Caffe, Torch itp.)
  • Python doświadczenie w programowaniu

Uczestnicy

  • Badacze sztucznej inteligencji
  • Programiści
 14 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (5)

Propozycje terminów

Powiązane Kategorie