Grunderna i PyTorch

Lär dig viktiga begrepp som används för att skapa maskininlärningsmodeller med PyTorch. Vi tränar en neural nätverksmodell som identifierar och klassificerar bilder.

Vi får lära oss om olika uppgifter för visuellt innehåll och fokusera på bildklassificering, lära oss hur du använder neurala nätverk för att klassificera handskrivna siffror samt några verkliga bilder, till exempel fotografier av katter och hundar. Vi kommer att använda ett av de mest populära ramverken för djupinlärning, PyTorch!

I den här modulen ska vi utforska olika neurala nätverksarkitekturer för att hantera text på naturligt språk. Under de senaste åren har NATURAL Language Processing (NLP) upplevt snabb tillväxt främst på grund av prestandan hos språkmodellernas förmåga att korrekt "förstå" mänskligt språk snabbare samtidigt som man använder oövervakad träning på stora text corpora. Vi kommer att lära oss om olika NLP-tekniker, till exempel att använda bag-of-words (BoW), ordinbäddningar och återkommande neurala nätverk för att klassificera text från nyhetsrubriker till en av de 4 kategorierna (World, Sports, Business och Sci-Tech).

I den här Learn-modulen lär du dig att göra ljudklassificering med PyTorch. Du kommer att förstå mer om funktioner för ljuddata och hur du omvandlar ljudsignalerna till en visuell representation som kallas spektrogram. Sedan skapar du modellen med hjälp av visuellt innehåll på spektrogrambilderna. Det stämmer, du kan omvandla ljud till ett bildformat och sedan göra visuellt innehåll för att klassificera ordet talat!