Capítulo 7. Ajuste de arquitecturas específicas de redes profundas
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
Lo único que necesitas saber por el momento es que el universo es mucho más complicado de lo que crees, aunque partas de la base de que, para empezar, es bastante complicado.
Douglas Adams, Guía del autoestopista hacia el universo
En este capítulo, nos basamos en los conceptos aprendidos en el Capítulo 6 sobre el ajuste general de redes profundas. Profundizamos en el ajuste de arquitecturas específicas como las siguientes:
- Redes neuronales convolucionales (CNN)
- Redes neuronales recurrentes
- Redes profundas de creencias (DBN)
Dado que la visión por ordenador es una de las aplicaciones más populares en el mundo del aprendizaje profundo, empecemos por aprender a afinar la arquitectura de la CNN.
Redes neuronales convolucionales (CNN)
Las CNN tienen algunos patrones generales de diseño y luego patrones específicos de diseño de arquitectura convolucional. Revisamos los patrones generales de diseño de redes en el Capítulo 6. En esta sección, repasamos las técnicas que son relevantes para la arquitectura de las CNN. La mayor parte del contenido de esta sección se centra específicamente en los patrones de diseño de las capas convolucionales y las capas de agrupamiento.
La etapa de convolución utiliza varios filtros para aprender diferentes características de la entrada a la capa, como se describe en ...
Get Aprendizaje profundo now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
