Deep Learning with PyTorch : Image Segmentation
71 calificaciones

6339 ya inscrito
Use U-Net architecture for segmentation
Create train function and evaluator for training loop
Demuestra esta experiencia práctica en una entrevista
71 calificaciones
6339 ya inscrito
Use U-Net architecture for segmentation
Create train function and evaluator for training loop
Demuestra esta experiencia práctica en una entrevista
In this 2-hour project-based course, you will be able to : - Understand the Segmentation Dataset and you will write a custom dataset class for Image-mask dataset. Additionally, you will apply segmentation augmentation to augment images as well as its masks. For image-mask augmentation you will use albumentation library. You will plot the image-Mask pair. - Load a pretrained state of the art convolutional neural network for segmentation problem(for e.g, Unet) using segmentation model pytorch library. - Create train function and evaluator function which will helpful to write training loop. Moreover, you will use training loop to train the model.
Prior programming experience in Python and basic pytorch. Theoretical knowledge of Convolutional Neural Network and Training process (Optimization)
Mathematical Optimization
Convolutional Neural Network
Autoencoder
Python Programming
pytorch
En un video que se reproduce en una pantalla dividida con tu área de trabajo, tu instructor te guiará en cada paso:
Set up colab runtime environment
Setup Configurations
Augmentations
Custom Dataset
Load Dataset into batches
Create Segmentation Model
Create Train and Eval Function
Train Model
Inference
Tu espacio de trabajo es un escritorio virtual directamente en tu navegador, no requiere descarga.
En un video de pantalla dividida, tu instructor te guía paso a paso
por YY
20 de feb. de 2022Great instructor and very practical hands-on approach. I would prefer more explanation on other encoder and weight presets as that will be important for transferring the knowledge learned here!
Dado que tu espacio de trabajo contiene un escritorio en la nube del tamaño de una computadora portátil o computadora de escritorio, los proyectos guiados no están disponibles en tu dispositivo móvil.
Los instructores de proyectos guiados son expertos en la materia que tienen experiencia en habilidades, herramientas o dominios de su proyecto y les apasiona compartir sus conocimientos para impactar a millones de estudiantes en todo el mundo.
Puedes descargar y conservar cualquiera de tus archivos creados del proyecto guiado. Para hacerlo, puedes usar la función 'Explorador de archivos' mientras accedes a tu escritorio en la nube.
En la parte superior de la página, puedes presionar en el nivel de experiencia de este proyecto guiado para ver los requisitos de conocimientos previos. En cada nivel del proyecto guiado, tu instructor te orientará paso a paso.
Sí, todo lo que necesitas para completar tu proyecto guiado estará disponible en un escritorio en la nube que estará disponible en tu navegador.
Aprenderás completando tareas en un entorno de pantalla dividida directamente en tu navegador. En el lado izquierdo de la pantalla, completarás la tarea en tu espacio de trabajo. En el lado derecho de la pantalla, verás a un instructor guiarte a través del proyecto, paso a paso.
¿Tienes más preguntas? Visita el Centro de Ayuda al Estudiante.