Deep Learning with PyTorch : Build an AutoEncoder

от партнера
Coursera Project Network
В этом Проект с консультациями вы:

Create Custom Dataset

Create AutoEncoder Network

Train AutoEncoder Network

Clock1 hour
BeginnerНачинающий
CloudЗагрузка не требуется
VideoВидео на разделенном экране
Comment DotsАнглийский
LaptopТолько для ПК

In these one hour project-based course, you will learn to implement autoencoder using PyTorch. An autoencoder is a type of neural network that learns to copy its input to its output. In autoencoder, encoder encodes the image into compressed representation, and the decoder decodes the representation to reconstruct the image. We will use autoencoder for denoising hand written digits using a deep learning framework like pytorch. This guided project is for learners who want to use pytorch for building deep learning models.Learners who want to apply autoencoder practically using PyTorch. In order to be successful in this project, you should be familiar with python , basic pytorch like creating or defining neural network and convolutional neural network.

Навыки, которые вы получите

  • Deep Learning
  • Convolutional Neural Network
  • Autoencoder
  • Python Programming
  • pytorch

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  1. Explore MNIST Handwritten digit dataset

  2. Data Preparation

  3. Load Dataset into batches

  4. Create AutoEncoder Model

  5. Train AutoEncoder Model

  6. Plot Results

Как устроены проекты с консультациями

Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.

На разделенном экране видео преподаватель предоставляет пошаговые

Часто задаваемые вопросы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.