آموزش طبقه بندی تصویر با PyTorch

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

پیش پردازش تصاویر برای استفاده در مدل های یادگیری ماشین Preprocessing Images to Use in Machine Learning Models

• بررسی اجمالی ماژول Module Overview

• پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

• تصاویر تک کانال و چند کاناله Single Channel and Multichannel Images

• پیش پردازش تصاویر برای آموزش مدل های مقاوم Preprocessing Images to Train Robust Models

• راه اندازی یک Deep Learning VM Setting up a Deep Learning VM

• پیش پردازش تصویر: تغییر اندازه و اندازه مجدد تصاویر Image Preprocessing: Resizing and Rescaling Images

• برش و Denoising تصاویر Cropping and Denoising Images

• استاندارد کردن تصاویر در PyTorch Standardizing Images in PyTorch

• ZCA سفید کننده برای تزئین ویژگی ها ZCA Whitening to Decorrelate Features

• تحولات تصویر با استفاده از کتابخانه های PyTorch Image Transformations Using PyTorch Libraries

• عادی سازی تصاویر با استفاده از میانگین و انحراف معیار Normalizing Images Using Mean and Standard Deviation

• خلاصه ماژول Module Summary

درک اشکالات استفاده از شبکه های عصبی عمیق با تصاویر Understanding the Drawbacks of Using Deep Neural Networks with Images

• بررسی اجمالی ماژول Module Overview

• شبکه های عصبی عمیق برای کار با تصاویر Deep Neural Networks to Work with Images

• بارگیری و پردازش تصاویر MNIST Loading and Processing MNIST Images

• راه اندازی یک شبکه عصبی کاملاً متصل برای طبقه بندی تصویر Setting up a Fully Connected Neural Network for Image Classification

• آموزش یک مدل طبقه بندی تصویر کاملاً متصل Training a Fully Connected Image Classification Model

• خلاصه ماژول Module Summary

معرفی شبکه های عصبی کانولوشن Introducing Convolutional Neural Networks

• بررسی اجمالی ماژول Module Overview

• زمینه های پذیرش محلی Local Receptive Fields

• درک همگرایی Understanding Convolution

• لایه های کانولوشن Convolutional Layers

• لایه های استخر Pooling Layers

• معماری معمولی CNN Typical CNN Architecture

• استفاده از لایه های Convolutional و Pooling Applying Convolutional and Pooling Layers

• خلاصه ماژول Module Summary

ساخت شبکه های عصبی کانولوشن برای طبقه بندی تصویر Building Convolutional Neural Networks for Image Classification

• بررسی اجمالی ماژول Module Overview

• بالشتک صفر و اندازه گام Zero Padding and Stride Size

• عادی سازی دسته ای Batch Normalization

• توابع فعال سازی Activation Functions

• محاسبات اندازه نقشه Feature Map Size Calculations

• تهیه و کاوش داده های تصویر Preparing and Exploring Image Data

• راه اندازی یک شبکه عصبی کانولوشن Setting up a Convolutional Neural Network

• آموزش CNN Training a CNN

• تنظیم Hyperparameter Hyperparameter Tuning

• خلاصه ماژول Module Summary

بهینه سازی طبقه بندی تصویر با تنظیم Hyperparameter Optimizing Image Classification with Hyperparameter Tuning

• بررسی اجمالی ماژول Module Overview

• آماده سازی مجموعه داده CIFAR-10 Preparing the CIFAR-10 Dataset

• راه اندازی CNN Setting up the CNN

• آموزش CNN Training the CNN

• انتخاب عملکردهای مختلف فعال سازی Choosing Different Activation Functions

• انتخاب لایه های استخر Choosing Pooling Layers

• انتخاب اندازه های هسته کانولوشن Choosing Convolution Kernel Sizes

• لایه های اضافی Convolution و اندازه های مختلف هسته Additional Convolution Layers and Different Kernel Size

• خلاصه ماژول Module Summary

انجام طبقه بندی تصویر با مدلهای از قبل آموزش دیده Performing Image Classification with Pre-trained Models

• بررسی اجمالی ماژول Module Overview

• انتقال یادگیری Transfer Learning

• با استفاده از مدل Resnet-18 پیش تمرین Using the Resnet-18 Pretrained Model

• عملکرد قطار برای یافتن بهترین وزنه های مدل The Train Function to Find the Best Model Weights

• پیش بینی با استفاده از مدل های آموزش دیده Predictions Using Pretrained Models

• پاک کردن منابع Cleaning up Resources

• خلاصه و مطالعه بیشتر Summary and Further Study