Tiefes Lernen :Adv. Computer Vision (Objekterkennung+mehr!)

Kaufe jetzt

Preis: $19.99

Feedback zu bekommen und deine Entwicklung mit anderen zu diskutieren: Ich zeige Ihnen, wie Sie ein vorab trainiertes Modell verwenden und wie Sie eines selbst mit einem benutzerdefinierten Datensatz trainieren Google Co.

Dieser Kurs ist eine vollständige Anleitung zum Einrichten der TensorFlow-Objekterkennungs-API, Transferlernen und vieles mehr

Ich denke, was Sie finden werden, ist das, Dieser Kurs unterscheidet sich völlig vom vorherigen, Sie werden beeindruckt sein, wie viel Material wir abdecken können.

Hier finden Sie die Details zum Projekt.

Hier werden wir von Colab Understatement die Hauptrolle spielen, da dies dazu beitragen wird, die von Google bereitgestellte kostenlose GPU zum Trainieren unseres Modells zu verwenden.

Wir werden die Lücke zwischen der grundlegenden CNN-Architektur schließen, die Sie bereits kennen und lieben, bis modern, neuartige Architekturen wie ResNet, und Beginn.

Wir werden Objekterkennungsmodule im Detail verstehen, indem wir sowohl die Tensorflow-Objekterkennungs-API als auch YOLO-Algorithmen verwenden.

Wir werden uns einen hochmodernen Algorithmus namens „ RESNET und MobileNetV2 Das ist sowohl schneller als auch genauer als seine Vorgänger.

Das Beste ist, dass Sie die Kerngrundlagen von CNN verstehen und erfahren, wie es langsam in die Objekterkennung umgewandelt wird.

Ich hoffe, Sie sind gespannt darauf, mehr über diese fortgeschrittenen Anwendungen der CNNs Yolo und Tensorflow zu erfahren, Wir sehen uns im Unterricht!

ERSTAUNLICHE FAKTEN:

· Dieser Kurs vermittelt Ihnen umfassende praktische Erfahrungen beim Trainieren von Modellen in der Colab-GPU.

· Anstatt sich auf das detaillierte Innenleben von CNNs zu konzentrieren (which we’ve already done), Wir konzentrieren uns auf hochrangige Bausteine. Das Ergebnis? Fast keine Mathematik.

· Ein weiteres Ergebnis? Kein komplizierter Low-Level-Code wie der, der darin geschrieben ist Tensorflow, Theano,YOLO, oder PyTorch (obwohl einige optionale Übungen sie für sehr fortgeschrittene Schüler enthalten können). Der Großteil des Kurses wird stattfinden Hart was viel Langweiliges bedeutet, sich wiederholende Dinge sind für Sie geschrieben.

Empfohlene Voraussetzungen:

· Wissen, wie man baut, Zug, und verwenden Sie ein CNN mithilfe einer Bibliothek (vorzugsweise in Python)

· Grundlegende theoretische Konzepte hinter Faltung und neuronalen Netzen verstehen

· Gute Python-Programmierkenntnisse, vorzugsweise in Data Science und dem Numpy Stack

Für wen ist dieser Kurs geeignet:

· Studenten und Fachleute, die ihr Wissen über Computer Vision und Deep Learning auf die nächste Stufe bringen möchten

· Jeder, der mehr über Objekterkennungsalgorithmen wie SSD und YOLO erfahren möchte

· Jeder, der lernen möchte, wie man Code für die Übertragung neuronaler Stile schreibt

· Jeder, der Transferlernen nutzen möchte

· Jeder, der die Schulungszeit verkürzen und schnell hochmoderne Computer-Vision-Netze aufbauen möchte

· Jeder, der mit Computer Vision beginnt