Abstract:
|
[ES] Los sistemas de aprendizaje automático —y, en concreto, los modelos de aprendizaje profundo
(del inglés, deep learning) o redes neuronales— se han popularizado recientemente
debido a que han supuesto un salto ...[+]
[ES] Los sistemas de aprendizaje automático —y, en concreto, los modelos de aprendizaje profundo
(del inglés, deep learning) o redes neuronales— se han popularizado recientemente
debido a que han supuesto un salto cualitativo importante en muchas áreas, como en
el reconocimiento automático de imágenes, gracias a la disponibilidad de inmensas cantidades
de datos y a los avances en los aceleradores de cómputo (GPUs). Sin embargo,
dada su reciente aparición y dado también que en los 4 años del grado hay que seleccionar
muy cuidadosamente las enseñanzas a impartir, el plan de estudios actual cubre
superficialmente el estudio de estas nuevas tecnologías.
En ese sentido, en este Trabajo de Fin de Grado se propone profundizar en el deep learning
desde un punto de vista práctico. Para ello, se instalará el framework de deep learning
Tensorflow en un clúster equipado con GPUs de última generación, se hará un repaso
sobre sus principales características y funcionalidades y, finalmente, se implementarán
dos modelos para el reconocimiento automático de imágenes de dos conjuntos de datos
distintos a la vez que se contrastarán sus rendimientos en diferentes dispositivos.
[-]
[CA] Els sistemes d’aprenentatge automàtic —i, en concret, els models d’aprenentatge profund
(del anglés, deep learning) o xarxes neuronals— s’han popularitzat recentment a causa
de que han suposat un salt qualitatiu ...[+]
[CA] Els sistemes d’aprenentatge automàtic —i, en concret, els models d’aprenentatge profund
(del anglés, deep learning) o xarxes neuronals— s’han popularitzat recentment a causa
de que han suposat un salt qualitatiu important en moltes àrees, com en el reconeixement
automàtic d’imatges, gràcies a la disponibilitat d’immenses quantitats de dades i
als avanços dels acceleradors de còmput (GPUs). No obstant això, donada la seva recent
aparició i atès també que en els 4 anys del grau cal seleccionar molt acuradament els ensenyaments
a impartir, el pla d’estudis actual cubreix superficialmente l’estudi d’aquestes
noves tecnologies.
En ixe sentit, en aquest Treball de Fi de Grau es proposa aprofundir en el deep learning
des d’un punt de vista pràctic. Amb ixa finalitat, s’instal·larà el framework de deep learning
Tensorflow en un clúster equipat amb GPUs d’última generació, es farà un repàs sobre
les seves principals característiques i funcionalitats i, finalment, s’implementaran dos
models per al reconeixement automàtic d’imatges de dos conjunts de dades diferents,
alhora que es contrastaran els seus rendiments en distints dispositius.
[-]
[EN] Machine learning systems —and, in particular, deep learning models or neural networks—
have recently become very popular because they have made a breakthrough in many areas,
such as automatic image recognition, due ...[+]
[EN] Machine learning systems —and, in particular, deep learning models or neural networks—
have recently become very popular because they have made a breakthrough in many areas,
such as automatic image recognition, due to the availability of huge amounts of
data and the improvements in computer accelerators (GPUs). However, given its recent
appearance and also given that in the four years of the degree, it is necessary to select
very carefully the knowledge to be taught, the current curriculum covers superficially
the study of these new technologies.
In this sense, this end-of-degree project proposes to dive into deep learning from a practical
point of view. To do so, the Tensorflow deep learning framework will be installed in a
cluster equipped with state-of-the-art GPUs, a review will be made of its main characteristics
and functionalities and, finally, two models will be implemented for the automatic
recognition of images from two different data sets while comparing their performance on
distinct devices
[-]
|