Aprender conceptos iniciales de Deep Learning
¿Qué es el Deep Learning?
¿Qué son las redes neuronales artificiales?
¿Por qué el Deep Learning ahora?
Pytorch y los diferentes frameworks de Deep Learning
Setup en Google Colab
Entender la API de Pytorch
¿Qué son los tensores?
Tensores y datasets
Capas de una red neuronal en Pytorch
Crear una red neuronal en Pytorch
¿Cómo cargar datos en Pytorch?
¿Cómo entrenar una red en Pytorch?
Loop de entrenamiento de la red neuronal
Entrenar Redes Neuronales Profundas
Ciclo de trabajo para el Deep Learning
Espacio de modelos
Función de perdida
Método de optimización: SGD y Backpropagation
Autograd y métodos de optimización
¿Cómo evaluar la performance de la red neuronal?
Regularización de redes neuronales profundas
Implementando la Regularización
Optimización de hiperparametros
Transfer learning
Construir nuestro propio modelo
Presentación del problema
Definiendo la red generativa que construiremos: CycleGAN
Creando la red generadora convolucional
Creando el decoder de la red generadora
Construyendo las redes discriminativas
Preparando el entrenamiento
Instanciando redes, perdidas
Instanciando optimizadores y schedulers
Calculando las pérdidas
Entrenando
Cómo visualizar y debugear el entrenamiento
Cómo utilizar tu modelo una vez entrenado
Cómo utilizar una GPU personal con Google Cloud
Llegar más lejos
¿Por qué el Deep Learning es más poderoso que el Machine Learning Tradicional?
Para ir más lejos
Cierre del curso
Bonus
¿Por qué aprender Deep Learning?
Aún no tienes acceso a esta clase
Crea una cuenta y continúa viendo este curso
Aportes 3
Preguntas 2
Comentarios del Transform aplicado:
import torchvision.transforms as transforms
transform = transforms.Compose( # .Compose: compone varias transformacion juntas.
[
transforms.RandomHorizontalFlip(), # data augmentation, aleatoriamente gira la imagen horizontalmente.
transforms.ToTensor(), # convierte una PIL Image o numpy.ndarray a un Tensor flotante.
transforms.Normalize((0.5,0.5,0.5), (0.5,0.5,0.5)) # normalización por defectuo de inputs.
]
)
En esta sesión si estuve algo perdido, creo que seria bueno una clase extra antes de esta que explique la implementación de las distintas normalizaciones sobre una red neuronal
De donde saca que la media es 0.5 y la desviacion estandart. Esa parte no la entendi.
¿Quieres ver más aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesión.