Accueil - Connexion

Outils pour les reseaux profonds

3IE5 Outils pour les reseaux profonds Informatique S9
Cours : 9 h TD : 0 h TP : 8 h Projet : 0 h Total : 17 h
Responsable : Alexis Lechervy
Pré-requis
Apprentissage automatique
Apprentissage profond
Objectifs de l'enseignement
Acquérir la maîtrise d'un framework de Deep learning
Programme détaillé

  • PyTorch et le calcul scientifique – les opérateurs de base hors réseau de neurones

  • PyTorch et l’auto-différentiation

  • PyTorch et les réseaux de neurones

  • Les outils pour PyTorch : Torchvision et Tensorboard



Applications (TD ou TP)
4 TP de 2h :
- Introduction à Pytorch
- Premier réseau de neurone
- Resnet 18
- STN
Compétences acquises
Connaissance de Pytorch et des outils de développement d'architecture de Deep Learning.

Bloc de compétences : Mobiliser des ressources d'un domaine scientifique et technique lié à une spécialité.
-> Niveau 3 : Concevoir des systèmes adaptatifs basés sur l'apprentissage automatique, l'apprentissage profond et l'exploration de données.
Bibliographie
- Deep learning, Ian Goodfellow and Yoshua Bengio and Aaron Courville, MIT Press, 2016. http://www.deeplearningbook.org

- Deep learning with Pytorch, Eli Stevens and Luca Antiga and Thomas Viehmann. Manning, 2020. https://pytorch.org/assets/deep-learning/Deep-Learning-with-PyTorch.pdf

© 2021 - ENSICAEN ( Mentions Légales - Crédits )