Автор: Фолефак Мартинс из Neuralearn.ai
Дополнительные курсы: www.neuralearn.ai
Ссылка на код: https://colab.research.google.com/drive/18u1KDx-9683iZNPxSDZ6dOv9319ZuEC_.
Канал YouTube: https://www.youtube.com/@neuralearn
️ Содержание ️
Введение
️ (0:00:00) Добро пожаловать
️ (0:05:54) Обязательное условие
️ (0:06:11) Чему мы научимся
Тензоры и переменные
️ (0:12:12) Основы
️ (0:19:26) Инициализация и кастинг
️ (1:07:31) Индексация
️ (1:16:15) Математические операции
️ (1:55:02) Операции линейной алгебры
️ (2:56:21) Общие функции TensorFlow
️ (3:50:15) Рваные тензоры
️ (4:01:41) Разреженные тензоры
️ (4:04:23) Тензоры струн
️ (4:07:45) Переменные
Создание нейронных сетей с помощью TensorFlow [Прогноз цен на автомобили]
️ (4:14:52) Понимание задачи
️ (4:19:47) Подготовка данных
️ (4:54:47) Модель линейной регрессии
️ (5:10:18) Санкции за ошибки
️ (5:24:53) Обучение и оптимизация
️ (5:41:22) Измерение производительности
️ (5:44:18) Валидация и тестирование
️ (6:04:30) Корректирующие меры
Создание сверточных нейронных сетей с помощью TensorFlow [Диагностика малярии]
️ (6:28:50) Понимание задачи
️ (6:37:40) Подготовка данных
️ (6:57:40) Визуализация данных
️ (7:00:20) Обработка данных
️ (7:08:50) Как и почему работают ConvNets
️ (7:56:15) Создание конвнетов с помощью TensorFlow
️ (8:02:39) Бинарная потеря кроссэнтропии
️ (8:10:15) Тренировочные конвнеты
️ (8:23:33) Оценка и тестирование модели
️ (8:29:15) Загрузка и сохранение моделей на Google Диск
Построение более продвинутых моделей в сверточных нейронных сетях Тено с помощью TensorFlow [Диагностика малярии]
️ (8:47:10) Функциональный API
️ (9:03:48) Подклассы моделей
️ (9:19:05) Пользовательские слои
Оценка классификационных моделей [Диагностика малярии]
️ (9:36:45) Точность, запоминаемость и аккуратность
️ (10:00:35) Матрица путаницы
️ (10:10:10) Сюжеты РПЦ
Улучшение производительности модели [Диагностика малярии]
️ (10:18:10) Обратные вызовы TensorFlow
️ (10:43:55) Планирование скорости обучения
️ (11:01:25) Контрольная точка модели
️ (11:09:25) Смягчение переоснащения и недостаточного оснащения
Увеличение данных [Диагностика малярии]
️ (11:38:50) Дополнение с помощью tf.image и слоев Keras
️ (12:38:00) Увеличение миксапа
️ (12:56:35) Аугментация Cutmix
️ (13:38:30) Увеличение данных с помощью альбументаций
Расширенные темы TensorFlow [Диагностика малярии]
️ (13:58:35) Пользовательские потери и метрики
️ (14:18:30) Режимы Eager и Graph
️ (14:31:23) Пользовательские циклы тренировок
Интеграция Tensorboard [Диагностика малярии]
️ (14:57:00) Регистрация данных
️ (15:29:00) Просмотр графиков моделей
️ (15:31:45) Настройка гиперпараметров
️ (15:52:40) Профилирование и визуализация
MLOps с весами и отклонениями [Диагностика малярии]
️ (16:00:35) Отслеживание экспериментов
️ (16:55:02) Настройка гиперпараметров
️ (17:17:15) Управление версиями набора данных
️ (18:00:23) Версии модели
Обнаружение человеческих эмоций
️ (18:16:55) Подготовка данных
‼️ (18:45:38) Моделирование и обучение
️ (19:36:42) Увеличение данных
️ (19:54:30) TensorFlow Records
Современные сверточные нейронные сети [обнаружение человеческих эмоций]
‼️ (20:31:25) AlexNet
️ (20:48:35) ВГГНет
️ (20:59:50) РесНет
️ (21:34:07) Кодирование ResNet с нуля
️ (21:56:17) MobileNet
️ (22:20:43) EfficientNet
Трансферное обучение [Обнаружение человеческих эмоций]
️ (22:38:15) Извлечение функций
️ (23:02:25) Тонкая настройка
Понимание черного ящика [Обнаружение человеческих эмоций]
️ (23:15:33) Визуализация промежуточных слоев
‼️ (23:36:20) Метод Gradcam
Трансформеры в зрении [Обнаружение человеческих эмоций]
️ (23:57:35) Понимание ВиТов
️ (24:51:17) Создание ViT с нуля
️ (25:42:39) FineTuning Huggingface ViT
️ (26:05:52) Оценка модели с помощью Wandb
Развертывание модели [Обнаружение человеческих эмоций]
️ (26:27:13) Преобразование модели TensorFlow в формат Onnx
️ (26:52:26) Понимание квантования
️ (27:13:08) Практическое квантование модели Onnx
️ (27:22:01) Тренинг по квантованию
️ (27:39:55) Конвертация в TensorFlow Lite
️ (27:58:28) Как работают API
️ (28:18:28) Создание API с помощью FastAPI
️ (29:39:10) Развертывание API в облаке
️ (29:51:35) Нагрузочное тестирование с помощью Locust
Обнаружение объектов с помощью YOLO
️ (30:05:29) Введение в обнаружение объектов
️ (30:11:39) Понимание алгоритма YOLO
️ (31:15:17) Подготовка набора данных
️ (31:58:27) ЙОЛО Потеря
️ (33:02:58) Увеличение данных
️ (33:27:33) Тестирование
Генерация изображений
️ (33:59:28) Введение в генерацию изображений
️ (34:03:18) Понимание вариационных автоэнкодеров
️ (34:20:46) Обучение VAE и генерация цифр
️ (35:06:05) Визуализация скрытого пространства
️ (35:21:36) Как работают ГАНы
️ (35:43:30) Потеря ГАНа
️ (36:01:38) Улучшение обучения GAN
️ (36:25:02) Генерация лиц с помощью GAN
Заключение
️ (37:15:45) Что дальше
Пожалуйста, воспользуйтесь возможностью подключиться и поделиться этим видео со своими друзьями и семьей, если вы считаете его полезным.
No Comments