Lorsque je me suis lancer dans l’apprentissage du Deep Learning, j’ai très vite compris qu’un nombre immense de recherche et d’avancée avait déjà était réalisées. Face à cette montagne de connaissances dont je ne connaissais rien, j’ai décide faire comme…
Dans cet article nous allons voir une des techniques de Regularization les plus puissantes en Deep Learning : la Batch Normalization. Cette méthode de Regularization a été théorisé dans le papier de recherche Batch Normalization: Accelerating Deep Network Training by…
L’overfitting est un problème fréquent lors de l’entraînement d’un modèle de Deep Learning, mais une technique existe pour le contrer : le Dropout. C’est une méthode de Regularization expliquée dans un papier de recherche en 2014. La Regularization est un ensemble…
Un modèle de Deep Learning doit à la fois optimiser son entraînement et généraliser sa prédiction à l’ensemble des données. Un outil est là pour ça : la Regularization. La Regularization est un ensemble de méthode qui permet à la…
Comment coder un algorithme de Deep Learning pour la détection d’objet avec la bibliothèque PyTorch ? Nous allons voir maintenant ! Cette article fait partie d’une série sur les modèles de Classification Binaire en PyTorch avec : une première partie sur la normalisation (accessible ici) une deuxième…
Aujourd’hui nous allons voir pourquoi et comment normaliser nos données pour faire du Deep Learning avec PyTorch. En fait cette article fait partie d’une série sur les modèles de Classification Binaire en PyTorch avec : une première partie sur la normalisation une deuxième partie sur les modèles…