✅ Курсы с задачами со СКИДКОЙ 10%: ► Pytorch с задачами: stepik.org/a/186169/pay?promo=2636c14cc13e1a58 ► Pandas с задачами: stepik.org/a/122126/pay?promo=fbc55c15b862a7c6 ► Numpy с задачами: stepik.org/a/180256/pay?promo=ff9f54f0274b6ae2 ✅ Мой Telegram канал: t.me/dubinin_ser ✅ Telegram группы: ► Pytorch: t.me/PyTorch_for_you ► Pandas: t.me/pandas_for_you ► Numpy: t.me/numpy_for_you ================================================= Приветствую вас, друзья! Если вы интересуетесь машинным обучением и хотите научиться создавать собственные модели глубокого обучения, то вы попали по адресу! PyTorch - это одна из самых популярных библиотек глубокого обучения, которая предоставляет нам инструменты для создания и обучения нейронных сетей. В этой серии видео мы будем изучать основы работы с PyTorch. Затем мы погрузимся в мир нейронных сетей, изучив различные типы слоев. Мы также рассмотрим различные архитектуры нейронных сетей, такие как сверточные нейронные сети. Не теряйте времени и присоединяйтесь к нам в этом захватывающем путешествии в мир нейронных сетей и PyTorch! ================================================= В этом видео мы поговорим про такой метод как Transfer Learning. Сначала немного теории, а потом разберем все на примерах. Тайм-коды: 00:00 - Введение. 00:42 - Transfer Learning при классификации. 05:44 - Реализация Transfer Learning. Теги: #pytorch #AI
не о том эти видео, да и курс в целом не про это. Главное понять как PyTorch применяется при обучении сети, а как и где это применять дело сугубо индивидуальное. Я даю удочку, а рыбу учитесь ловить сами.
@@EI40989 архитектуру сети в комментарии рассказать не получится. По поводу "распространена и насколько популярна" - понятия не имею как на такое ответить. Если в двух словах, то модель хорошая и применяется, наверное кем-то.
@@dubinin_s у меня resnet34 с оптимизатором AdamW показал через 27 эпох (сумарно) такой результат: train_loss=0.128, train_acc=0.963, val_loss=0.144, val_acc=0.961. Это после разморозки всех слоев
Кем принято, когда принято, почему меня не осведомили?))) Ну а если серьезно, то в рамках материала данного курса такая реализация более правильная. А реализация с одним нейроном вызовет много вопросов. Например, почему класса два, а нейрон на выходе один.
✅ Курсы с задачами со СКИДКОЙ 10%:
► Pytorch с задачами: stepik.org/a/186169/pay?promo=2636c14cc13e1a58
► Pandas с задачами: stepik.org/a/122126/pay?promo=fbc55c15b862a7c6
► Numpy с задачами: stepik.org/a/180256/pay?promo=ff9f54f0274b6ae2
✅ Мой Telegram канал: t.me/dubinin_ser
✅ Telegram группы:
► Pytorch: t.me/PyTorch_for_you
► Pandas: t.me/pandas_for_you
► Numpy: t.me/numpy_for_you
=================================================
Приветствую вас, друзья! Если вы интересуетесь машинным обучением и хотите научиться создавать собственные модели глубокого обучения, то вы попали по адресу!
PyTorch - это одна из самых популярных библиотек глубокого обучения, которая предоставляет нам инструменты для создания и обучения нейронных сетей.
В этой серии видео мы будем изучать основы работы с PyTorch. Затем мы погрузимся в мир нейронных сетей, изучив различные типы слоев. Мы также рассмотрим различные архитектуры нейронных сетей, такие как сверточные нейронные сети.
Не теряйте времени и присоединяйтесь к нам в этом захватывающем путешествии в мир нейронных сетей и PyTorch!
=================================================
В этом видео мы поговорим про такой метод как Transfer Learning. Сначала немного теории, а потом разберем все на примерах.
Тайм-коды:
00:00 - Введение.
00:42 - Transfer Learning при классификации.
05:44 - Реализация Transfer Learning.
Теги: #pytorch #AI
Это полный курс ? или в Степике будет полный ?
Это полный курс. Остальные темы я убрал.
В первом видео упоминались трансформеры, а в последнем видео их нет. Получается стоит ждать новых видео?
В это м курсе их не будет. Будет отдельный курс по трансформерам.
спасибо. В последних 4-х видео хотелось бы больше информации об использовании в реальных проектах
не о том эти видео, да и курс в целом не про это.
Главное понять как PyTorch применяется при обучении сети, а как и где это применять дело сугубо индивидуальное.
Я даю удочку, а рыбу учитесь ловить сами.
@@dubinin_s а что насчёт модели EfficiaentNet?
@@EI40989 что именно вас интересует?
@@dubinin_s то что и в предыдущих видео - архитектура. Ещё бы хотелось знать, на сколько распространена и насколько популярна
@@EI40989 архитектуру сети в комментарии рассказать не получится.
По поводу "распространена и насколько популярна" - понятия не имею как на такое ответить. Если в двух словах, то модель хорошая и применяется, наверное кем-то.
а можно в этом примере взять не VGG модель, а ResNet?
А вот вы на этот вопрос и ответьте. Иначе зачем я снимал все эти видео. Пару строчек поменять нужно и вопрос отпадёт сам собой.
@@dubinin_s ❤️
@@dubinin_s у меня resnet34 с оптимизатором AdamW показал через 27 эпох (сумарно) такой результат: train_loss=0.128, train_acc=0.963, val_loss=0.144, val_acc=0.961. Это после разморозки всех слоев
Спасибо за видео и за курс. Жаль, что курс закончился😢
Спасибо, что смотрите.
В классификации на 2 класса принято использовать 1 нейрон а не 2
Кем принято, когда принято, почему меня не осведомили?)))
Ну а если серьезно, то в рамках материала данного курса такая реализация более правильная. А реализация с одним нейроном вызовет много вопросов. Например, почему класса два, а нейрон на выходе один.
@@dubinin_s почитай что такое бинарная классификация, много нового узнаешь