Lecture: Building computational graphs, modern architectures

Lecture: Building computational graphs, modern architectures

Administrative information

Title Building computational graphs, modern architectures
Duration 60 min
Module B
Lesson Type Lecture
Focus Technical - Deep Learning
Topic

Computational Graphs

 

Keywords

neural networks, computational graph, residual connection, skip connection, deep learning,

 

Learning Goals

  • Understanding the fundamentals of Computational Graphs, residual connections, highway connections and skip connections

 

Expected Preparation

Learning Events to be Completed Before

Obligatory for Students

  • The Functional API
  • He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 770-778).
  • Srivastava, R. K., Greff, K., & Schmidhuber, J. (2015). Highway networks. arXiv preprint arXiv:1505.00387.

Optional for Students

None.

References and background for students:

None.

Recommended for Teachers

None.

 

Lesson Materials

 

The materials of this learning event are available under CC BY-NC-SA 4.0.

 

Instructions for Teachers

In this lecture one of the main goals is to show, that deep neural networks are computational graphs, that can scale well. In the lecture modern architectures, including residual, highway and skip connections, that are widely applied in neural networks are introduced.

Outline

  • Computational graphs
  • Building computational graphs with Keras
  • Residual connections
  • Highway connections
  • Skip connections
Time schedule
Duration (Min) Description
10 Introduction to computational graphs of neural networks
15 Introduction of functional API of Keras with an example
10 Description of residual connections with example source code
10 Description of highway connections with example source code
10 Description of skip connections with example source code
5 Summary and conclusions

 

More information

Click here for an overview of all lesson plans of the master human centred AI

Please visit the home page of the consortium HCAIM

Acknowledgements

The Human-Centered AI Masters programme was co-financed by the Connecting Europe Facility of the European Union Under Grant №CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.

The materials of this learning event are available under CC BY-NC-SA 4.0

 

The HCAIM consortium consists of three excellence centres, three SMEs and four Universities

HCAIM Consortium

  • Het arrangement Lecture: Building computational graphs, modern architectures is gemaakt met Wikiwijs van Kennisnet. Wikiwijs is hét onderwijsplatform waar je leermiddelen zoekt, maakt en deelt.

    Auteur
    HCAIM Consortium
    Laatst gewijzigd
    2024-05-15 11:12:28
    Licentie

    Dit lesmateriaal is gepubliceerd onder de Creative Commons Naamsvermelding-GelijkDelen 4.0 Internationale licentie. Dit houdt in dat je onder de voorwaarde van naamsvermelding en publicatie onder dezelfde licentie vrij bent om:

    • het werk te delen - te kopiëren, te verspreiden en door te geven via elk medium of bestandsformaat
    • het werk te bewerken - te remixen, te veranderen en afgeleide werken te maken
    • voor alle doeleinden, inclusief commerciële doeleinden.

    Meer informatie over de CC Naamsvermelding-GelijkDelen 4.0 Internationale licentie.

    Aanvullende informatie over dit lesmateriaal

    Van dit lesmateriaal is de volgende aanvullende informatie beschikbaar:

    Toelichting
    .
    Eindgebruiker
    leerling/student
    Moeilijkheidsgraad
    gemiddeld
    Studiebelasting
    4 uur 0 minuten

    Gebruikte Wikiwijs Arrangementen

    HCAIM Consortium. (z.d.).

    Acknowledgement

    https://maken.wikiwijs.nl/198386/Acknowledgement

    HCAIM Consortium. (z.d.).

    Lecture: Batch processing

    https://maken.wikiwijs.nl/200290/Lecture__Batch_processing

  • Downloaden

    Het volledige arrangement is in de onderstaande formaten te downloaden.

    Metadata

    LTI

    Leeromgevingen die gebruik maken van LTI kunnen Wikiwijs arrangementen en toetsen afspelen en resultaten terugkoppelen. Hiervoor moet de leeromgeving wel bij Wikiwijs aangemeld zijn. Wil je gebruik maken van de LTI koppeling? Meld je aan via info@wikiwijs.nl met het verzoek om een LTI koppeling aan te gaan.

    Maak je al gebruik van LTI? Gebruik dan de onderstaande Launch URL’s.

    Arrangement

    IMSCC package

    Wil je de Launch URL’s niet los kopiëren, maar in één keer downloaden? Download dan de IMSCC package.

    Voor developers

    Wikiwijs lesmateriaal kan worden gebruikt in een externe leeromgeving. Er kunnen koppelingen worden gemaakt en het lesmateriaal kan op verschillende manieren worden geëxporteerd. Meer informatie hierover kun je vinden op onze Developers Wiki.

  • Gebruik
    Weergave
  • Wikiwijs is een dienst van