February 2024
Intermediate to advanced
456 pages
12h 6m
French
Objectifs du chapitre :
• Apprendre pourquoi les modèles autorégressifs sont bien adaptés à la génération de données séquentielles telles que les textes.
• Apprendre à traiter et à symboliser les données textuelles.
• Découvrir la conception architecturale des réseaux de neurones récurrents (RNN).
• Construire et entraîner un réseau LSTM en partant de zéro avec Keras.
• Utiliser un réseau LSTM pour générer un nouveau texte.
• Découvrir d’autres variantes des RNN, notamment les réseaux récurrents à portes (GRU) et les cellules bidirectionnelles.
• Comprendre comment les données d’une image peuvent être traitées sous la forme d’une séquence de pixels.
• Découvrir la conception architecturale de PixelCNN.
• Implémenter ...
Read now
Unlock full access