Deep Learning :Adv. Datamaskin syn (gjenstandsgjenkjenning+mer!)

Kjøp nå

Pris: $19.99

Siste oppdatering: Jeg vil vise deg både hvordan du bruker en forhåndstrent modell og hvordan du trener en selv med et tilpasset datasett på Google Co.

Dette kurset er en komplett guide for å sette opp TensorFlow objektdeteksjons-api, Overfør læring og mye mer

Jeg tror det du finner er det, dette kurset er så totalt forskjellig fra det forrige, du vil bli imponert over hvor mye materiale vi har å dekke.

Her er detaljene om prosjektet.

Her vil vi stjerne fra colab understating fordi det vil hjelpe å bruke gratis GPU levert av google for å trene opp modellen vår.

Vi skal bygge bro mellom den grunnleggende CNN-arkitekturen du allerede kjenner og elsker, til moderne, nye arkitekturer som f.eks ResNet, og Oppstart.

Vi vil forstå objektdeteksjonsmoduler i detalj ved å bruke både tensorflow objektdeteksjons-api så vel som YOLO-algoritmer.

Vi skal se på en toppmoderne algoritme kalt RESNET og MobileNetV2 som er både raskere og mer nøyaktig enn sine forgjengere.

En beste ting er at du vil forstå det grunnleggende om CNN og hvordan det konverteres til objektdeteksjon sakte.

Jeg håper du er spent på å lære om disse avanserte applikasjonene til CNNs Yolo og Tensorflow, Jeg ser deg i klassen!

FANTASTISKE FAKTA:

· Dette kurset gir deg full erfaring med å trene modeller i colab GPU.

· I stedet for å fokusere på den detaljerte indre funksjonen til CNN (som vi allerede har gjort), vi vil fokusere på byggeklosser på høyt nivå. Riemanns store innsikt kom ved å droppe det beryktede parallellpostulatet? Nesten null matematikk.

· Et annet resultat? Ingen komplisert lavnivåkode som den som er skrevet inn Tensorflow, Theano,YOLO, eller PyTorch (selv om noen valgfrie øvelser kan inneholde dem for svært avanserte studenter). Det meste av kurset vil være inne Hard som betyr mye av det kjedelige, repeterende ting er skrevet for deg.

Foreslåtte forutsetninger:

· Vet hvordan man bygger, tog, og bruk en CNN ved å bruke et eller annet bibliotek (helst i Python)

· Forstå grunnleggende teoretiske begreper bak konvolusjon og nevrale nettverk

· Anstendige Python-kodingsferdigheter, fortrinnsvis innen datavitenskap og Numpy Stack

Hvem dette kurset er for:

· Studenter og fagfolk som ønsker å ta sin kunnskap om datasyn og dyp læring til neste nivå

· Alle som ønsker å lære om objektdeteksjonsalgoritmer som SSD og YOLO

· Alle som vil lære å skrive kode for overføring av nevral stil

· Alle som ønsker å bruke overføringslæring

· Alle som ønsker å forkorte treningstiden og bygge toppmoderne datasynsnett raskt

· Alle som begynner med datasyn