Deep Belief Nets en C++ y Cuda C: Volumen 3: Redes convolucionales

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 4 votos.

Título original:

Deep Belief Nets in C++ and Cuda C: Volume 3: Convolutional Nets

Contenido del libro:

Descubra los bloques de construcción esenciales de una forma común y potente de red profunda de creencias: las redes convolucionales. Este libro le muestra cómo la estructura de estos elegantes modelos es mucho más parecida a la del cerebro humano que la de las redes neuronales tradicionales; tienen un "proceso de pensamiento" capaz de aprender conceptos abstractos construidos a partir de primitivas más sencillas. Estos modelos son especialmente útiles para aplicaciones de procesamiento de imágenes.

En cada paso, Deep Belief Nets in C++ and CUDA C: Volume 3 presenta una motivación intuitiva, un resumen de las ecuaciones más importantes relevantes para el tema y concluye con código altamente comentado para computación en hilos en CPU modernas, así como procesamiento paralelo masivo en ordenadores con tarjetas de visualización de vídeo con capacidad CUDA. El código fuente de todas las rutinas presentadas en el libro y el programa CONVNET ejecutable que implementa estos algoritmos se pueden descargar gratuitamente.

Lo que aprenderá

⬤ Descubrir las redes convolucionales y cómo utilizarlas.

⬤ Construir redes feedforward profundas usando capas conectadas localmente, capas de agrupamiento y salidas softmax.

⬤ Dominar los diferentes algoritmos de programación requeridos.

⬤ Llevar a cabo cálculos de gradiente multihilo y asignaciones de memoria para estos hilos.

⬤ Trabajar con implementaciones de código CUDA de todos los cálculos centrales, incluyendo activaciones de capas y cálculos de gradiente.

⬤ Utilizar el programa CONVNET y el manual para explorar las redes convolucionales y los casos de estudio.

A quién va dirigido este libro

Aquellos que tengan al menos un conocimiento básico de redes neuronales y algo de experiencia previa en programación, aunque se recomienda algo de C++ y CUDA C.