Deep learning

Motivation

Reconnaissance d'abstractions.

Analyse

L'apprentissage profond consiste à apprendre des concepts très concrets (des pixels par exemple) puis remonter réutiliser cet apprentissage comme entrées des couches au-dessus afin de dégager.

Conception

Une manière de représenter cette profondeur est celle d'un réseau de neurones multi-couches. Ces réseaux peuvent eux-mêmes être connectés :

• pleinement, ce qui a l'inconvénient d'être prompt au surapprentissage
• hiérarchiquement : CNN.

Exemples

• Applications
  • IR (art style transfert learning, deepfake s1 DeepSketch par exemple)
  • Reconnaissance vocale
  • NLP
• Bibliothèques
  • PyTorch
  • Caffe2
  • WebDNN pour les exécuter (via GPU) dans un navigateur
• Frameworks
  • ConvNetJS - Réseaux neuronaux convolutifs dans le navigateur
• L'apprentissage profond de Google est constitué de 10 à 30 couches.

Voir

• Cours (MOOCs)
  • Howard, Jeremy: Practical Deep Learning For Coders, Université de Stanford
• Frameworks
  • Pytorch en Python
  • Tensorflow de Google Brain