In diesem 2-stündigen Geführten Projekt lernen Sie, wie Sie ein Siamesisches Netzwerk implementieren. Sie trainieren das Netzwerk mit der Triplet-Verlustfunktion. Sie erstellen einen Anker-, Positiv- und Negativ-Bilddatensatz, die die Eingaben für die Triplet-Verlustfunktion darstellen, mit der das Netzwerk die Einbettung von Merkmalen lernt. Siamesische Netzwerke haben eine Fülle von Anwendungen, wie z.B. Gesichtserkennung, Unterschriftenprüfung, Re-Identifizierung von Personen, etc. In diesem Projekt werden Sie ein einfaches Siamese Netzwerk für die Wiedererkennung von Personen trainieren.

Deep Learning mit PyTorch : Siamesisches Netzwerk

Deep Learning mit PyTorch : Siamesisches Netzwerk

Dozent: Parth Dhameliya
5.034 bereits angemeldet
Bei enthalten
(49 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Implementierung eines siamesischen Netzwerks mit triolischer Verlustfunktion
Erstellen Sie die Training-Schleife für das siamesische Netzwerk
Kompetenzen, die Sie festigen
- Kategorie: Faltungsneuronale Netze
- Kategorie: Computer Vision
- Kategorie: Netzwerk-Modell
- Kategorie: Modell Ausbildung
- Kategorie: Einbettungen
- Kategorie: Bildanalyse
- Kategorie: Künstliche neuronale Netze
- Kategorie: Technische Merkmale
- Kategorie: Tiefes Lernen
Tools, die Sie verwenden werden
- Kategorie: PyTorch (Bibliothek für maschinelles Lernen)
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
Nur als Desktop-Version verfügbar
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Lernen, Üben und Anwenden von berufsrelevanten Fähigkeiten in weniger als 2 Stunden
- Nehmen Sie an Schulungen von Branchenexperten teil
- Sammeln Sie mit Aufgaben aus der realen Welt praktische Erfahrung
- Schaffen Sie Vertrauen durch neueste Tools und Technologien

Über dieses begleitete Projekt
Schritt für Schritt lernen
In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:
Colab-Laufzeit einrichten
Konfigurationen
APN-Datensatz erstellen
Dataset in Stapel laden
Modell erstellen
Erstellen von Trainings- und Evaluierungsfunktionen
Training Schleife
Ankerkodierungen abrufen
Inferenz
Empfohlene Erfahrung
Frühere Programmiererfahrung in Python und grundlegenden PyTorch. Theoretische Kenntnisse über Convolutional Neural Network, Optimierung und Siamese Network.
9 Projektbilder
Dozent

von
Was Sie beim Lernen erwartet
Auf Kompetenzen basierendes, praktisches Lernen
Üben Sie die Anwendung neuer Kompetenzen anhand von berufsbezogenen Aufgabenstellungen.
Anleitung durch Experten
Lernen Sie mit vorab von Experten aufgezeichneten Videos in einer einzigartigen aufgeteilten Oberfläche.
Keine Downloads oder Installation erforderlich
Greifen Sie in einem vordefinierten Cloud-Arbeitsbereich auf die Tools und Ressourcen zu.
Nur für Desktop verfügbar
Dieses begleitete Projekt ist für die Bearbeitung an einem Laptop oder Desktop-Computer mit stabiler Internetverbindung konzipiert und nicht für Mobilgeräte.
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Bewertungen von Lernenden
- 5 stars
75,51 %
- 4 stars
18,36 %
- 3 stars
2,04 %
- 2 stars
4,08 %
- 1 star
0 %
Zeigt 3 von 49 an
Geprüft am 29. Okt. 2022
A very practical project discovering Siames Network.
Geprüft am 30. Aug. 2022
I cannot unenroll this project. Is this normal or will I be charged? I just wanted to explore this and one another guided project.
Geprüft am 16. Okt. 2022
Overall, it is good enough.it will be better if there is accuracy calculation, thank you!
Ihnen könnte auch Folgendes gefallen:

Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.





