Deep Learning with PyTorch : Build an AutoEncoder

von
Coursera Project Network
In diesem angeleitetes Projekt werden Sie:

Create Custom Dataset

Create AutoEncoder Network

Train AutoEncoder Network

Clock1 hour
BeginnerAnfänger
CloudKein Download erforderlich
VideoVideo auf geteiltem Bildschirm
Comment DotsEnglisch
LaptopNur Desktop

In these one hour project-based course, you will learn to implement autoencoder using PyTorch. An autoencoder is a type of neural network that learns to copy its input to its output. In autoencoder, encoder encodes the image into compressed representation, and the decoder decodes the representation to reconstruct the image. We will use autoencoder for denoising hand written digits using a deep learning framework like pytorch. This guided project is for learners who want to use pytorch for building deep learning models.Learners who want to apply autoencoder practically using PyTorch. In order to be successful in this project, you should be familiar with python , basic pytorch like creating or defining neural network and convolutional neural network.

Kompetenzen, die Sie erwerben werden

  • Deep Learning
  • Convolutional Neural Network
  • Autoencoder
  • Python Programming
  • pytorch

Schritt für Schritt lernen

In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:

  1. Explore MNIST Handwritten digit dataset

  2. Data Preparation

  3. Load Dataset into batches

  4. Create AutoEncoder Model

  5. Train AutoEncoder Model

  6. Plot Results

Ablauf angeleiteter Projekte

Ihr Arbeitsbereich ist ein Cloud-Desktop direkt in Ihrem Browser, kein Download erforderlich

Ihr Dozent leitet Sie in einem Video mit geteiltem Bildschirm Schritt für Schritt an.

Häufig gestellte Fragen

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.