Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Criando um identificador de imagens com PyTorch

Criando um identificador de imagens com PyTorch

O PyTorch é uma biblioteca de Deep Learning mantida pelo Facebook. Trata-se de uma biblioteca bastante poderosa e muito boa tanto para pesquisas quanto para produção.

Nesta oficina, foi ministrado um tutorial de como construir uma rede neural para identificar imagens do dataset Fashion MNIST. Foram apresentados os conceitos de Deep Learning e suas aplicações na prática para a construção da rede.

Repositório da oficina: https://github.com/isacmoura/FLISOL2019-introducao-ao-pytorch

Isac Moura

April 27, 2019
Tweet

More Decks by Isac Moura

Other Decks in Technology

Transcript

  1. $ whoami • Discente de Engenharia de Software - UFC

    Quixadá • Ex-bolsista de monitoria em Banco de Dados e atualmente bolsista de extensão no Núcleo de Práticas em Informática. • Desenvolvedor WEB e aspirante a cientista de dados. • Palestras na Python Brasil e Campus Party Brasil.
  2. Primeiramente, o que é o PyTorch? • Biblioteca otimizada para

    Deep Learning • Open-source • Criada por Soumith Chintala e mantida pelo Facebook. • Implementado nativamente em Python • Facilidade em realizar o deploy de arquiteturas.
  3. Mas o que é Deep Learning? • Uma ramificação de

    Machine Learning (Aprendizado de Máquina) • Inteligência Artificial, Machine Learning e Deep Learning não são a mesma coisa. • Tipo de abordagem com redes que buscam simular o cérebro humano (redes neurais). • Um neurônio recebe uma entrada, realiza um processamento e gera uma saída. • As saídas de um neurônio servem como entrada para os próximos neurônios.
  4. Principais conceitos Já vimos alguns poucos conceitos, no entanto, alguns

    outros precisam ser esclarecidos. • Tensor: matriz multi-dimensional contendo elementos de um tipo (int, float…) • Pesos e viéses: parâmetros que podem ser aprendidos no seu modelo. • Função de ativação: realiza pequenas mudanças nos pesos e viéses para que a saída seja a correta.
  5. Nossa ferramenta - Google Colab • Fornece um ambiente para

    execução dos experimentos com GPU. • Gratuito (porém, por tempo limitado). • Fácil de compartilhar, integração com Google Drive e Google Cloud.
  6. HANDS-ON 1. Ir para o link: http://bit.ly/pytorchflisol19 2. O notebook

    contém informações e instruções não abordadas neste slide. 3. Um template para que você possa ir praticando e entendendo os conceitos. 4. Tente trocar alguns parâmetros. 5. Os comentários com “#TODO” faremos juntos. As sugestões de alterações você deve fazer, após finalizarmos a parte principal.