FIDLE / Optimiser l’apprentissage et réduire notre empreinte carbone
Vložit
- čas přidán 1. 05. 2024
- Dans l’apprentissage profond, plusieurs techniques sont essentielles
pour améliorer les performances des modèles.
Les techniques d’optimisation de la descente de gradient,
la recherche efficiente des hyperparamètres et l’apprentissage par transfert
jouent un rôle crucial. Elles contribuent à l’obtention de résultats optimaux
et à la réduction des coûts de calcul.
Ces approches aident également à minimiser le surajustement et à adapter
les modèles pré-entraînés à de nouvelles tâches.
En outre, elles facilitent l’expérimentation rapide.
Ces pratiques améliorent finalement la généralisation,
la robustesse et l’efficacité des systèmes d’intelligence artificielle.
Au menu de cette séquence :
- Techniques d’optimisation de la descente de gradient
- Quand le recyclage est une force : Le transfer learning
- Recherche d’hyperparamètres (HPO) efficiente
- Suivre et archiver ses entraînements pour les améliorer (outils de visualisation)
Durée : 2h00
Pour rappel, FIDLE est une Formation d'Introduction au Deep Learning, libre et gratuite.
Pour en savoir plus : fidle.cnrs.fr
Cette vidéo est sous licence Créative Common CC BY-NC-ND 4.0 - Věda a technologie
Bonjour, j'aimerai partager une petite doc d'installation Docker pour les utilisateurs Mac Mx mais je ne trouve pas de point de contact sur le site fidle. Est ce que vous seriez intéressé par la création d'une image Docker pour archi arm64 ou bien que je vous partage le Dockerfile modifié que j'ai utilisé pour build l'image ? Je pense que ca pourrait en aider plus d'un. C'est pas top de devoir installer tout ca sur sa machine, une image docker est quand même bien plus simple. Merci
Oups... désolé pour cette réponse tardive.. la fin de saison à été un peu dense ;-) Merci beaucoup pour votre proposition !!!
Vous pouvez nous écrire à l'adresse : contact fidle.cnrs.fr