Aula 2 de 4 · Redes neurais com PyTorch · 2:50:41
Redes neurais convolucionais com PyTorch
Sobre esta aula
As redes neurais convolucionais são as arquiteturas mais usadas para trabalhar com imagens. Em teoria, uma rede perceptron multicamada (MLP) consegue aproximar qualquer função; na prática, com memória, dados e poder computacional limitados, precisamos incorporar à rede o que sabemos sobre o problema.
As redes convolucionais usam os filtros de convolução do processamento de imagens: a convolução torna a rede capaz de reconhecer um objeto em qualquer posição da imagem, e as camadas de pooling trazem a análise em múltiplas escalas. Nesta aula, você vai treinar um classificador de imagens com o conjunto de dados CIFAR-10 (aviões, automóveis, pássaros, cavalos…), comparando uma MLP com uma rede convolucional.
O que você vai aprender
- O problema de classificação de imagens
- Como preparar o CIFAR-10 com o Torchvision e criar os
DataLoaders - Como treinar uma MLP com entropia cruzada (
CrossEntropyLoss) usando a GPU - Como avaliar o desempenho de um classificador
- Como funciona uma rede convolucional e como criá-la no PyTorch
- Como classificar suas próprias imagens com o modelo treinado
Material de apoio
- Código do curso (notebooks)
- Curso: Processamento de Imagens — para entender os filtros de convolução