Introduzione
La maggior parte dei flussi di lavoro di Machine Learning comporta l'uso di dati, la creazione di modelli, l'uso di iperparametri per ottimizzare il modello, il salvataggio e l'inferenza dei modelli con training. Questo modulo presenta un flusso di lavoro di Machine Learning (ML) completo implementato in PyTorch,un noto framework di Machine Learning per Python.
Si userà il set di dati FashionMNIST per eseguire il training di un modello di rete neurale che riconosca immagini quali: magliette/top, pantaloni, pullover, abiti, cappotti, camicie, scarpe da ginnastica, borse o stivaletti.
Prima di passare alla costruzione del modello, vengono illustrati i concetti chiave per la costruzione di modelli di reti neurali.
Obiettivi di apprendimento
Contenuto del modulo:
- Informazioni su come usare i tensori con CPU e GPU
- Informazioni su come gestire, ridimensionare e normalizzare i set di dati
- Creare un modello di riconoscimento delle immagini usando una rete neurale
- Informazioni su come ottimizzare un modello
- Informazioni su come migliorare le prestazioni di inferenza del modello
Prerequisiti
- Conoscenze base di Python
- Conoscenza di base della modalità di utilizzo di Jupyter Notebook