یادگیری عمیق: بهینه سازی و تنظیم مدل

یادگیری عمیق به عنوان یک تکنولوژی در چند سال گذشته جهش یافته است. راه حل های بیشتر و بیشتر AI از یادگیری عمیق به عنوان تکنولوژی پایه خود استفاده می کنند. با این حال مطالعه این تکنولوژی، چالش های متعددی را ارائه می دهد. متخصصان فناوری اطلاعات از زمینه های مختلف نیاز به یک منبع ساده برای یادگیری مفاهیم و ساخت مدل ها به سرعت نیاز دارند. در این دوره، مربی Kumaran Ponnambalam یک مسیر ساده را برای درک گزینه های مختلف بهینه سازی و تنظیم برای مدل های یادگیری عمیق فراهم می کند و به شما نشان می دهد که چگونه از این گزینه ها برای بهبود مدل ها استفاده کنید. او با بررسی یادگیری عمیق، از جمله شبکه های عصبی مصنوعی و معماری، آغاز می شود. بعد، کوماران در مورد روند تنظیم پارامتر بالا بحث می کند. او بلوک های ساختمانی شبکه های عصبی را بررسی می کند و اهرم های موجود برای تنظیم آنها را بررسی می کند. Kumaran توصیه ها و بهترین شیوه ها را ارائه می دهد. سپس او با یک مثال تنظیم پایان به پایان می رسد.

عنوان اصلی : Deep Learning: Model Optimization and Tuning

سرفصل های دوره :

مقدمه:
بهینه سازی شبکه های عصبی
پیش نیازها برای دوره
تنظیم فایل های ورزشی
1. مقدمه به بهینه سازی یادگیری عمیق:
یادگیری عمیق چیست؟
مرور شبکه های عصبی مصنوعی
یک مدل ANN
بهینه سازی مدل و تنظیم
فرایند یادگیری عمیق
تنظیمات آزمایش برای دوره
2. تنظیم شبکه یادگیری عمیق:
تنظیم اندازه سری
Epoch و Epoch Experience
تنظیم لایه های پنهان
تعیین گره ها در یک لایه
انتخاب توابع فعال سازی
مقدار اولیه
3. تنظیم پخش برگشت:
غرق شدن و انفجار شیب
نرمال سازی دسته ای
بهینه سازان
تجربه بهینه ساز
نرخ یادگیری
تجربه نرخ یادگیری
4. مدیریت بیش از حد:
بیش از حد در آنز
Regularization
آزمایش منظم
dropouts
Dropout Express
5. مدل تنظیم مدل:
تنظیم تمرین: بیانیه مشکل
به دست آوردن و پردازش داده ها
تنظیم شبکه
تنظیم برگشت به عقب
اجتناب از گذشت بیش از حد
ساخت مدل نهایی
نتیجه گیری:
ادامه سفر یادگیری عمیق خود را ادامه دهید