Deep Learning with PyTorch : Image Segmentation
71 évaluations

6 514 déjà inscrits
Use U-Net architecture for segmentation
Create train function and evaluator for training loop
Mettez en valeur cette expérience pratique dans un entretien
71 évaluations
6 514 déjà inscrits
Use U-Net architecture for segmentation
Create train function and evaluator for training loop
Mettez en valeur cette expérience pratique dans un entretien
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
Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :
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
Votre espace de travail est un bureau cloud situé dans votre navigateur, aucun téléchargement n'est requis.
Votre enseignant(e) vous guide étape par étape dans une vidéo en écran partagé
par YY
20 févr. 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!
Comme votre espace de travail contient un bureau cloud dimensionné pour un ordinateur portable ou de bureau, les Projets Guidés ne sont pas disponibles sur votre appareil mobile.
Les enseignants des Projets Guidés sont des experts en la matière qui ont de l'expérience dans les compétences, les outils ou le domaine de leur projet et qui sont passionnés par le partage de leurs connaissances avec des millions d'étudiants dans le monde.
À partir du Projet Guidé, vous pouvez télécharger et conserver tout fichier que vous avez créé. Pour ce faire, vous pouvez utiliser la fonction « Navigateur de fichiers » pendant que vous accédez à votre bureau cloud.
En haut de la page, vous pouvez appuyer sur le niveau d'expérience de ce Projet Guidé pour afficher les connaissances requises. Pour chaque niveau de Projet Guidé, votre enseignant vous guidera étape par étape.
Oui, tout ce dont vous avez besoin pour terminer votre Projet Guidé sera présent sur un bureau cloud disponible dans votre navigateur.
Vous apprenez en effectuant des tâches dans un environnement à écran partagé, directement dans votre navigateur. Sur le côté gauche de l'écran, vous terminez la tâche dans votre espace de travail. Sur le côté droit de l'écran, vous voyez un(e) enseignant(e) qui vous guide tout au long du projet, étape par étape.
D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.