Centre de Documentation Campus Montignies
Horaires :
Lundi : 8h-18h30
Mardi : 8h-18h30
Mercredi 9h-16h30
Jeudi : 8h-18h30
Vendredi : 8h-16h30
.
Bienvenue sur le catalogue du centre de documentation du campus de Montignies.
Détail de l'auteur
Auteur Jean-Christophe Riat
|
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche
![détail détail](./getgif.php?nomgif=plus)
[article]
Titre : |
Deep Learning avec TensorFlow/Keras : contrôle de l'apprentissage avec les "callback" |
Type de document : |
texte imprimé |
Auteurs : |
Jean-Christophe Riat |
Année de publication : |
2022 |
Article en page(s) : |
p. 69-72 |
Langues : |
Français (fre) |
Résumé : |
Dans les n°244 & 246 du magazine, nous avons utilisé les outils TensorFlow/Keras [1][2] pour classer des images par reconnaissance de leurs contenus. La technique utilisée est celle du « deep learning » avec des réseaux de neurones capables « d’apprendre » à partir d’une base d’exemples. La bonne exécution de cette phase d’apprentissage est primordiale pour garantir de bonnes performances. Cet article détaille les mécanismes de « callback » qui permettent de contrôler très précisément le déroulement de l’étape d’entraînement. |
Permalink : |
./index.php?lvl=notice_display&id=101864 |
in Programmez ! > 251 (mars 2022) . - p. 69-72
[article] Deep Learning avec TensorFlow/Keras : contrôle de l'apprentissage avec les "callback" [texte imprimé] / Jean-Christophe Riat . - 2022 . - p. 69-72. Langues : Français ( fre) in Programmez ! > 251 (mars 2022) . - p. 69-72
Résumé : |
Dans les n°244 & 246 du magazine, nous avons utilisé les outils TensorFlow/Keras [1][2] pour classer des images par reconnaissance de leurs contenus. La technique utilisée est celle du « deep learning » avec des réseaux de neurones capables « d’apprendre » à partir d’une base d’exemples. La bonne exécution de cette phase d’apprentissage est primordiale pour garantir de bonnes performances. Cet article détaille les mécanismes de « callback » qui permettent de contrôler très précisément le déroulement de l’étape d’entraînement. |
Permalink : |
./index.php?lvl=notice_display&id=101864 |
|
Exemplaires (1)
|
Revue | Revue | Centre de Documentation HELHa Campus Montignies | Salle de lecture - Etagère presse et actualité | Document exclu du prêt - à consulter sur place Exclu du prêt |
![détail détail](./getgif.php?nomgif=plus)
[article]
Titre : |
Deep Learning : programmation d'un réseau à convolution avec TensorFlow/Keras |
Type de document : |
texte imprimé |
Auteurs : |
Jean-Christophe Riat |
Année de publication : |
2021 |
Article en page(s) : |
p. 37-41 |
Langues : |
Français (fre) |
Résumé : |
Dans le n°244, nous avions introduit le Deep Learning avec la programmation d’un réseau de neurones de type perceptron multicouche pour reconnaître des chiffres manuscrits. Pour poursuivre la découverte de l’univers de l’intelligence artificielle, nous décrirons aujourd’hui les réseaux à convolution qui ont démontré ces dernières années des performances remarquables en analyse d’images. L’exemple détaillé montre comment programmer un tel réseau, avec les outils TensorFlow/Keras [1][2], pour distinguer la présence d’un chat ou d’un chien sur des photos. |
Permalink : |
./index.php?lvl=notice_display&id=103054 |
in Programmez ! > 246 (Mai/juin 2021) . - p. 37-41
[article] Deep Learning : programmation d'un réseau à convolution avec TensorFlow/Keras [texte imprimé] / Jean-Christophe Riat . - 2021 . - p. 37-41. Langues : Français ( fre) in Programmez ! > 246 (Mai/juin 2021) . - p. 37-41
Résumé : |
Dans le n°244, nous avions introduit le Deep Learning avec la programmation d’un réseau de neurones de type perceptron multicouche pour reconnaître des chiffres manuscrits. Pour poursuivre la découverte de l’univers de l’intelligence artificielle, nous décrirons aujourd’hui les réseaux à convolution qui ont démontré ces dernières années des performances remarquables en analyse d’images. L’exemple détaillé montre comment programmer un tel réseau, avec les outils TensorFlow/Keras [1][2], pour distinguer la présence d’un chat ou d’un chien sur des photos. |
Permalink : |
./index.php?lvl=notice_display&id=103054 |
|
Exemplaires (1)
|
Revue | Revue | Centre de Documentation HELHa Campus Montignies | Salle de lecture - Etagère presse et actualité | Document exclu du prêt - à consulter sur place Exclu du prêt |
![détail détail](./getgif.php?nomgif=plus)
[article]
Titre : |
Deep Learning : utilisation de réseaux déjà entraînés avec TensorFlow/Keras |
Type de document : |
texte imprimé |
Auteurs : |
Jean-Christophe Riat |
Année de publication : |
2022 |
Article en page(s) : |
p. 50-53 |
Langues : |
Français (fre) |
Résumé : |
Dans le N°246, nous avons détaillé la construction d’un réseau de neurones à convolution pour classer des images de chiens et de chats. Cette approche a nécessité de définir l’architecture du réseau puis de l’entraîner avec une base d’exemples. Dans cet article nous montrons comment utiliser des réseaux déjà entraînés pour identifier en temps réel des objets visualisés avec la Webcam de l’ordinateur. |
Permalink : |
./index.php?lvl=notice_display&id=108247 |
in Programmez ! > Spécial Automne 2022 (Automne 2022) . - p. 50-53
[article] Deep Learning : utilisation de réseaux déjà entraînés avec TensorFlow/Keras [texte imprimé] / Jean-Christophe Riat . - 2022 . - p. 50-53. Langues : Français ( fre) in Programmez ! > Spécial Automne 2022 (Automne 2022) . - p. 50-53
Résumé : |
Dans le N°246, nous avons détaillé la construction d’un réseau de neurones à convolution pour classer des images de chiens et de chats. Cette approche a nécessité de définir l’architecture du réseau puis de l’entraîner avec une base d’exemples. Dans cet article nous montrons comment utiliser des réseaux déjà entraînés pour identifier en temps réel des objets visualisés avec la Webcam de l’ordinateur. |
Permalink : |
./index.php?lvl=notice_display&id=108247 |
|
Exemplaires (1)
|
Revue | Revue | Centre de Documentation HELHa Campus Montignies | Salle de lecture - Etagère presse et actualité | Document exclu du prêt - à consulter sur place Exclu du prêt |