Învățare profundă pentru viziune artificială folosind Matlab
MATLAB oferă suport pentru calcul numeric, simulări, procesări de imagini, inteligență și viziune artificială, etc. Mașina virtuală din CloudUT cu mediul MATLAB instalat permite definirea, antrenarea și predicția folosind rețele neuronale și tehnici de calcul paralel.
Aplicațiile de clasificare a imaginilor au ca scop asignarea unei categorii pentru o imagine dată ca și intrare. În funcție de tipul categoriilor aplicațiile pot fi utilizate pentru:
- Recunoașterea cifrelor scrise de mână
- Clasificarea imaginilor medicale (imagini ecografice ale ficatului cu tumori de tip HCC – Hepatocellular Carcinoma)
- Clasificarea imaginilor care conțin un singur obiect din setul de date Caltech.
Rețelele neuronale considerate pentru aceste aplicații sunt:
- ResNet
- VGG
- Densenet
- SqueezeNet
- InceptionNet.
Aceste rețele au fost pre-antrenate pe setul de date ImageNet care conține 1000 de categorii. Pașii care se urmează sunt:
- Inițializarea modelului preantrenat;
- Remodelarea ultimului strat pentru a suporta un număr de ieșiri egal cu numărul de clase din setul de date considerat;
- Definirea parametrilor care se vor actualiza în timpul antrenări de către algoritmul de optimizare;
- Antrenarea rețelei.
Tutorial: Deep Learning in CloudUT folosind PyTorch si MATLAB
Data:
08 decembrie 2021
Orele : 13:00-14:00
Autori:
Raluca Brehar, Cristian Cosmin Vancea, Ion Giosan
Descriere:
Tutorialul cuprinde o scurtă trecere în revistă a noţiunilor teoretice legate de învăţarea profundă în contextul unor probleme de viziune artificială şi demonstraţii practice legate de procedura de utilizare a unei maşini virtuale din CloudUT pentru a antrena diverse arhitecturi de reţele neuronale convoluţionale. Demonstartiile sunt realizate folosind mediile PyTorch si MATLAB.
Obiective:
Familiarizarea utilizatorilor cu procedura de utilizare a infrastructurii CloudUT în aplicaţii care necesită calcul GPU masiv pentru probleme de învăţare profundă dar si spaţiu de stocare mare, putere de procesare.
Beneficiari:
Membrii ai colectivelor de cercetare, doctoranzi care doresc să dezvolte aplicatii de învăţare profundă.
Planificare/Curiccula:
1. Învăţarea profundă în contextul viziunii artificiale: aplicaţii
2. Prezentare demonstrativă – configurarea unui mediu PyTorch pentru a antrena o reţea neuronală pentru clasificarea imaginilor.
3. Prezentare practică – accesarea datelor, configurarea si antrenarea reţelei din mediul creat, evaluarea performanţei, îmbunătăţirea modelului.
5. Prezentare demonstrativa – accesarea datelor, crearea si antrenarea unei retele pentru recunoasterea imaginilor in MATLAB.
6. Concluzii.
7. Discutii şi întrebări.
Unde: Microsoft Teams