Programa del Curso

Introducción

  • Chainer vs Caffe vs Torch
  • Descripción general de las características y componentes de Chainer

Empezar

  • Comprender la estructura del entrenador
  • Instalación de Chainer, CuPy y NumPy
  • Definición de funciones en variables

Entrenamiento Neural Networks en Chainer

  • Construcción de un grafo computacional
  • Ejecución de ejemplos de conjuntos de datos MNIST
  • Actualización de parámetros mediante un optimizador
  • Procesamiento de imágenes para evaluar resultados

Trabajar con GPUs en Chainer

  • Implementación de redes neuronales recurrentes
  • Uso de varios GPUs para la paralelización

Implementación de otros modelos de redes neuronales

  • Definición de modelos RNN y ejemplos de ejecución
  • Generación de imágenes con GAN convolucional profunda
  • Ejemplos de ejecución Reinforcement Learning

Solución de problemas

Resumen y conclusión

Requerimientos

  • Comprensión de las redes neuronales artificiales
  • Familiaridad con los marcos de aprendizaje profundo (Caffe, Torch, etc.)
  • Experiencia en programación en Python

Audiencia

  • Investigadores de IA
  • Desarrolladores
  14 horas
 

Número de participantes


Comienza

Termina


Las fechas están sujetas a disponibilidad y tienen lugar entre 09:30 y 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Testimonios (3)

Cursos Relacionados

Categorías Relacionadas