Авторы этой статьи обучили одну из крупнейших нейронных сетей своего времени и достигли лучших результатов на подмножестве ImageNet - ILSVRC-2010 и ILSVRC-2012. Это краткое изложение указанной статьи. Основные моменты: 60 миллионов параметров (60 000 000) Функция активации ReLU Перекрывающееся объединение Увеличение данных Выбывать Нормализация местного ответа По пути, аналогичному описанному в документе , мы пойдем по маршруту, рассказывающему о наборе данных,..

Предыдущие части позволили нам обучить данные и повысить точность за счет добавления исключения и настройки гиперпараметров. Приятно знать, как обучать моделей, но в большинстве случаев мы не стали бы обучать модели с нуля. Вместо этого мы использовали бы существующую модель с заданными весами и настроили бы ее на наш набор данных. Это называется Передаточное обучение . Получение существующей модели Вы можете получить существующую модель AlexNet во многих местах. Я собираюсь..

Серия PyTorch для тех, кто начинает с глубокого обучения. Следуя подходу, основанному на реализации различных известных архитектур. Введение Архитектура Alexnet была прорывом на момент ее публикации, обеспечив минимальные потери в задаче классификации ImageNet. Он использует последовательные сверточные блоки с некоторыми полносвязными слоями для задачи классификации. В этой статье мы разбираемся в архитектуре и кодируем ее в PyTorch. Архитектура На блок-схеме показана основная..