AWS Computer Vision: Erste Schritte mit GluonCV

Beschreibung

Dieser Kurs bietet einen Überblick über Computer Vision (CV), maschinelles Lernen (ML) mit Amazon Web Services (AWS) und wie man ein CV-Modell mit dem Apache MXNet- und GluonCV-Toolkit erstellt und trainiert. Der Kurs bespricht künstliche neuronale Netze und andere Deep-Learning-Konzepte und erläutert anschließend, wie man die Bausteine neuronaler Netze zu vollständigen Computer-Vision-Modellen kombiniert und diese effizient trainiert.

Dieser Kurs behandelt AWS-Dienste und -Frameworks, einschließlich Amazon Rekognition, Amazon SageMaker, Amazon SageMaker GroundTruth und Amazon SageMaker Neo, AWS Deep Learning AMIs über Amazon EC2, AWS Deep Learning Containers und Apache MXNet auf AWS. Der Kurs besteht aus Videovorträgen, praktischen Übungsanleitungen, Demonstrationen und Tests.

Jede Woche konzentriert sich auf verschiedene Aspekte der Computer Vision mit GluonCV. In der ersten Woche stellen wir einige grundlegende Konzepte der Computer Vision vor, diskutieren, welche Aufgaben mit GluonCV gelöst werden können und gehen auf die Vorteile von Apache MXNet ein.

In der zweiten Woche konzentrieren wir uns auf die AWS-Services, die für Ihre Aufgabe am besten geeignet sind. Wir werden Dienste wie Amazon Rekognition und Amazon SageMaker nutzen. Wir werden die Unterschiede zwischen AWS Deep Learning AMIs und Deep Learning-Containern untersuchen. Abschließend gibt es Demonstrationen zur Einrichtung der einzelnen in diesem Modul behandelten Dienste.

Die dritte Woche wird sich auf die Einrichtung von GluonCV und MXNet konzentrieren. Wir werden uns mit der Verwendung vorab trainierter Modelle zur Klassifizierung, Erkennung und Segmentierung befassen.

In der vierten und fünften Woche werden wir uns mit den Grundlagen von Gluon, der benutzerfreundlichen High-Level-API für MXNet, befassen: verstehen, wann verschiedene Gluon-Blöcke verwendet werden sollten, wie diese Blöcke zu vollständigen Modellen kombiniert werden, Datensätze erstellt und geschrieben werden eine komplette Trainingsschleife.

In der letzten Woche gibt es ein Abschlussprojekt, bei dem Sie alles anwenden, was Sie bisher im Kurs gelernt haben: Wählen Sie das entsprechende vorab trainierte GluonCV-Modell aus, wenden Sie dieses Modell auf Ihren Datensatz an und visualisieren Sie die Ausgabe Ihres GluonCV-Modells.