Convolutional neural networks use the data that is represented in images to learn. In this chapter, we will probe data in images, and we will learn how to use Keras to train a neural network to classify objects that appear in images. 

Introducing convolutional neural networks

Images as data: visualizations

Images as data: changing images

Classifying images

Using one-hot encoding to represent images

Evaluating a classifier

Classification with Keras

Build a neural network

Compile a neural network

Fitting a neural network model to clothing data

Cross-validation for neural network evaluation

Image Processing With Neural Networks

Convolutions are the fundamental building blocks of convolutional neural networks. In this chapter, you will be introducted to convolutions and learn how they operate on image data. You will also see how you incorporate convolutions into Keras neural networks. 

Convoluzioni

Convoluzioni monodimensionali

Convoluzioni di immagini

Definire i kernel di convoluzione per le immagini

Implementare le convoluzioni di immagini in Keras

Rete convoluzionale per la classificazione di immagini

Addestrare una CNN per classificare i tipi di capi d’abbigliamento

Valutare una CNN con i dati di test

Perfeziona le tue convoluzioni

Aggiungi il padding a una CNN

Aggiungi gli stride a una rete convoluzionale

Calcola la dimensione dell'output del livello di convoluzione

Using Convolutions

Convolutional neural networks gain a lot of power when they are constructed with multiple layers (deep networks). In this chapter, you will learn how to stack multiple convolutional layers into a deep network. You will also learn how to keep track of the number of parameters, as the network grows, and how to control this number.

Going deeper

Creating a deep learning network

Train a deep CNN to classify clothing images

What is special about a deep network?

How many parameters?

How many parameters in a CNN?

How many parameters in a deep CNN?

Pooling operations

Write your own pooling operation

Keras pooling layers

Train a deep CNN with pooling to classify images

Going Deeper

There are many ways to improve training by neural networks. In this chapter, we will focus on our ability to track how well a network is doing, and explore approaches towards improving convolutional neural networks.

Tracking learning

Plot the learning curves

Using stored weights to predict in a test set

Regularization

Adding dropout to your network

Add batch normalization to your network

Interpreting the model

Extracting a kernel from a trained network

Shape of the weights

Visualizing kernel responses

Next steps

Understanding and Improving Deep Convolutional Networks

La modellazione di immagini richiede spesso metodi di deep learning che utilizzano i dati per addestrare algoritmi di reti neurali per vari compiti di Machine Learning. Le convolutional neural networks (CNN) sono reti particolarmente potenti che userai per classificare diversi tipi di oggetti nell’analisi delle immagini. In questo corso di quattro ore imparerai a costruire, addestrare e valutare CNN con Keras.

<h2>Impara a usare le reti neurali convoluzionali in Python</h2>

  Il modello di immagine spesso richiede metodi di apprendimento profondo che usano i dati per addestrare le reti neurali.

  algoritmi di rete per fare vari compiti di apprendimento automatico. Rete neurale convoluzionale

  Le reti neurali convoluzionali (CNN) sono reti neurali super potenti che userai per

  classificare diversi tipi di oggetti per l'analisi delle immagini. Questo corso di quattro ore

  Il corso ti insegnerà come costruire, addestrare e valutare le CNN usando Keras.

  <br><br>

  Trasformare le immagini in dati e insegnare alle reti neurali a classificarle è un

  elemento impegnativo dell'apprendimento profondo con applicazioni estese in tutti i campi

  business e ricerca, dall'aiutare un sito di e-commerce a gestire meglio le scorte

  facilmente per permettere ai ricercatori sul cancro di individuare velocemente il melanoma pericoloso.

  <br><br>

  <h2>Scopri le CNN di Keras</h2>

  Il primo capitolo di questo corso spiega come le immagini possono essere viste come dati, e

  come puoi usare Keras per addestrare una rete neurale a classificare gli oggetti trovati in

  immagini.

  <br><br>

  Il secondo capitolo parlerà delle convoluzioni, che sono una parte fondamentale delle CNN. Farai

  Scopri come funzionano sui dati delle immagini e impara ad addestrare e ottimizzare il tuo

  Keras CNN usando i dati di prova. I capitoli successivi approfondiscono l'argomento e ti spiegano

  come creare una rete di deep learning.

  <br><br>

  <h2>Crea la tua rete neurale Keras</h2>

  Finirete il corso imparando i diversi modi in cui potete monitorare come

  Beh, come sta andando la CNN e come puoi migliorare le loro prestazioni. A questo punto,

  sarai in grado di costruire reti neurali Keras, ottimizzarle e visualizzarle

  le loro risposte in una serie di applicazioni.

Introduction to Deep Learning with Keras

Impara a usare il deep learning per analizzare immagini con Keras e Python creando e valutando CNN.

Image Modeling with Keras

Impara a fare analisi delle immagini usando Keras con Python creando, addestrando e valutando reti neurali convoluzionali. 

Elaborazione delle immagini in Python

Fondamenti di Keras

Calcola la dimensione dell'output del livello di convoluzione

Image Modeling with Keras

Esercizio pratico interattivo