Programa del Curso

Introducción

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

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
  • Ejemplos de conjuntos de datos MNIST en ejecución
  • Actualización de parámetros mediante un optimizador
  • Procesamiento de imágenes para evaluar los 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, etcétera).
  • Python Experiencia en programación

Audiencia

  • Investigadores de IA
  • Desarrolladores
 14 Horas

Número de participantes


Precio por Participante​

Testimonios (4)

Próximos cursos

Categorías Relacionadas