Aprender conceptos iniciales de Deep Learning

1

驴Qu茅 es el Deep Learning?

2

驴Qu茅 son las redes neuronales artificiales?

3

驴Por qu茅 el Deep Learning ahora?

4

Pytorch y los diferentes frameworks de Deep Learning

5

Setup en Google Colab

Entender la API de Pytorch

6

驴Qu茅 son los tensores?

7

Tensores y datasets

8

Capas de una red neuronal en Pytorch

9

Crear una red neuronal en Pytorch

10

驴C贸mo cargar datos en Pytorch?

11

驴C贸mo entrenar una red en Pytorch?

12

Loop de entrenamiento de la red neuronal

Entrenar Redes Neuronales Profundas

13

Ciclo de trabajo para el Deep Learning

14

Espacio de modelos

15

Funci贸n de perdida

16

M茅todo de optimizaci贸n: SGD y Backpropagation

17

Autograd y m茅todos de optimizaci贸n

18

驴C贸mo evaluar la performance de la red neuronal?

19

Regularizaci贸n de redes neuronales profundas

20

Implementando la Regularizaci贸n

21

Optimizaci贸n de hiperparametros

22

Transfer learning

Construir nuestro propio modelo

23

Presentaci贸n del problema

24

Definiendo la red generativa que construiremos: CycleGAN

25

Creando la red generadora convolucional

26

Creando el decoder de la red generadora

27

Construyendo las redes discriminativas

28

Preparando el entrenamiento

29

Instanciando redes, perdidas

30

Instanciando optimizadores y schedulers

31

Calculando las p茅rdidas

32

Entrenando

33

C贸mo visualizar y debugear el entrenamiento

34

C贸mo utilizar tu modelo una vez entrenado

35

C贸mo utilizar una GPU personal con Google Cloud

Llegar m谩s lejos

36

驴Por qu茅 el Deep Learning es m谩s poderoso que el Machine Learning Tradicional?

37

Para ir m谩s lejos

38

Cierre del curso

Bonus

39

驴Por qu茅 aprender Deep Learning?

No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

C贸mo utilizar tu modelo una vez entrenado

34/39
Recursos

Aportes 7

Preguntas 10

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Reg铆strate o inicia sesi贸n para participar.

L谩stima que el profe no nos mostr贸 c贸mo usar el modelo entrenado o que 茅l dijo que entren贸, con im谩genes y ver los resultados. Hubiese sido genial.

**---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

<ipython-input-90-f62059731d4f> in <module>()
----> 1 logger = Logger(n_epochs, len(dataloader), epoch=epoch)
      2 liveloss = PlotLosses()

TypeError: __init__() got an unexpected keyword argument 'epoch'**

Hola. A alguien mas le da error la linea:
logger = Logger(n_epoch, len(dataloader))

Error:
Visdom python client failed to establish socket to get messages from the server. This feature is optional and can be disabled by initializing Visdom withuse_incoming_socket=False, which will prevent waiting for this request to timeout.

Gracias.

Hola quiero compartirles un video en donde se muestra como guardar y cargar un modero de pytorch ya entrenado.
https://youtu.be/fnill6Ea8Ts

Hola en el examen sale una pregunta sobre liveloss .Sin embargo el link hacia 鈥淩epasar la Clase鈥 no envia a esta clase si no que en la anterior en donde aun no se nombra el liveloss

Me hubiese gustado saber como utilizar el modelo entrenado con las im谩genes. Si alguien sabe como es el procedimiento seria de gran ayuda.

---------------------------------------------------------------------------

ValueError                                Traceback (most recent call last)

<ipython-input-85-ab6cc966376a> in <module>()
     17              transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))]
     18 
---> 19 dataloader = DataLoader(ImageDataset(base_dir, transform=transform), batch_sampler=batch_size, shuffle=True, num_workers=n_cpu, drop_last=True)
     20 
     21 def Gen_GAN_loss(G, D, real, loss, target_real):

/usr/local/lib/python3.6/dist-packages/torch/utils/data/dataloader.py in __init__(self, dataset, batch_size, shuffle, sampler, batch_sampler, num_workers, collate_fn, pin_memory, drop_last, timeout, worker_init_fn, multiprocessing_context, generator)
    205             # auto_collation with custom batch_sampler
    206             if batch_size != 1 or shuffle or sampler is not None or drop_last:
--> 207                 raise ValueError('batch_sampler option is mutually exclusive '
    208                                  'with batch_size, shuffle, sampler, and '
    209                                  'drop_last')

ValueError: batch_sampler option is mutually exclusive with batch_size, shuffle, sampler, and drop_last