Schulungsübersicht

Einführung

  • Chainer vs. Caffe vs. Torch
  • Überblick über die Funktionen und Komponenten von Chainer

Erste Schritte

  • Verstehen der Trainerstruktur
  • Installieren von Chainer, CuPy und NumPy
  • Definieren von Funktionen auf Variablen

Ausbildung Neural Networks im Chainer

  • Erstellen eines Berechnungsgraphen
  • Ausführen von Beispielen aus dem MNIST-Datensatz
  • Aktualisierung der Parameter mit Hilfe eines Optimierers
  • Verarbeitung von Bildern zur Auswertung der Ergebnisse

Arbeiten mit GPUs in Chainer

  • Implementierung von rekurrenten neuronalen Netzen
  • Verwendung mehrerer GPUs zur Parallelisierung

Implementierung anderer neuronaler Netzwerkmodelle

  • Definieren von RNN-Modellen und Ausführen von Beispielen
  • Erzeugen von Bildern mit Deep Convolutional GAN
  • Ausführen von Reinforcement Learning-Beispielen

Fehlersuche

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • Verständnis für künstliche neuronale Netze
  • Vertrautheit mit Deep Learning Frameworks (Caffe, Torch, etc.)
  • Python-Programmiererfahrung

Publikum

  • KI-Forscher
  • Entwickler
  14 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Erfahrungsberichte (3)

Kombinierte Kurse

Verwandte Kategorien