انتقال یادگیری برای تصاویر با استفاده از PyTorch: آموزش - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• خوش آمدی Welcome

• آنچه باید قبل از تماشای این دوره بدانید What you should know before watching this course

1. یادگیری انتقال چیست؟ 1. What Is Transfer Learning?

• یادگیری انتقال چیست؟ What is transfer learning?

• VGG16 VGG16

• مجموعه داده CIFAR-10 CIFAR-10 dataset

2. یادگیری انتقال: استخراج ویژگی های ثابت 2. Transfer Learning: Fixed Feature Extractor

• ایجاد یک استخراج کننده ویژگی ثابت Creating a fixed feature extractor

• درک ضرر: CrossEntropyLoss () و NLLLoss () Understanding loss: CrossEntropyLoss() and NLLLoss()

• اتوگراد Autograd

• با استفاده از اتوگراد Using autograd

• آموزش استخراج کننده ویژگی های ثابت Training the fixed feature extractor

• بهینه ساز Optimizers

• CPU به GPU CPU to GPU

• استخراج کننده را آموزش دهید Train the extractor

• ارزیابی شبکه و مشاهده تصاویر Evaluate the network and viewing images

• مشاهده تصاویر و عادی سازی Viewing images and normalization

• دقت مدل Accuracy of the model

3. تنظیم دقیق ConvNet 3. Fine-Tuning the ConvNet

• تنظیم دقیق Fine-tuning

• با استفاده از تنظیم دقیق Using fine-tuning

• آموزش از شبکه کاملاً متصل به بعد Training from the fully connected network onwards

• یخ زدایی و آموزش آخرین بلوک CNN به بعد Unfreezing and training over the last CNN block onwards

• یخ زدایی و آموزش بیش از دو بلوک CNN اخیر به بعد Unfreezing and training over the last two CNN block onwards

4- تکنیک های بیشتر 4. Further Techniques

• نرخ یادگیری Learning rates

• نرخ یادگیری دیفرانسیل Differential learning rates

نتیجه Conclusion

• مراحل بعدی Next steps