Differentiable Graphics with TensorFlow 2.0

Deep learning has introduced a profound paradigm change in the recent years, allowing to solve significantly more complex perception problems than previously possible. This paradigm shift has positively impacted a tremendous number of fields with a giant leap forward in computer vision and computer graphics algorithms. The development of public libraries such as Tensorflow are in a large part responsible for the massive growth of AI. These libraries made deep learning easily accessible to every researchers and engineers allowing fast advances in developing deep learning techniques in the industry and academia. We will start this course with an introduction to deep learning and present the newly released TensorFlow 2.0 with a focus on best practices and new exciting functionalities. We will then show different tips, tools, and algorithms to visualize and interpret complex neural networks by using TensorFlow. Finally, we will introduce a novel TensorFlow library containing a set of graphics inspired differentiable layers allowing to build structured neural networks to solve various two and three dimensional perception tasks. To make the course interactive we will punctuate the presentations with real time demos in the form of Colab notebooks. Basic prior familiarity with deep learning will be assumed.** Deep learning has introduced a profound paradigm change in the recent years, allowing to solve significantly more complex perception problems than previously possible. This paradigm shift has positively impacted a tremendous number of fields with a giant leap forward in computer vision and computer graphics algorithms. The development of public libraries such as Tensorflow are in a large part responsible for the massive growth of AI. These libraries made deep learning easily accessible to every researchers and engineers allowing fast advances in developing deep learning techniques in the industry and academia. We will start this course with an introduction to deep learning and present the newly released TensorFlow 2.0 with a focus on best practices and new exciting functionalities. We will then show different tips, tools, and algorithms to visualize and interpret complex neural networks by using TensorFlow. Finally, we will introduce a novel TensorFlow library containing a set of graphics inspired differentiable layers allowing to build structured neural networks to solve various two and three dimensional perception tasks. To make the course interactive we will punctuate the presentations with real time demos in the form of Colab notebooks. Basic prior familiarity with deep learning will be assumed.

25

相关内容

SIGGRAPH(Special Interest Group for Computer GRAPHICS,计算机图形图像特别兴趣小组)成立于1967年,一直致力于推广和发展计算机绘图和动画制作的软硬件技术。从1974年开始,SIGGRAPH每年都会举办一次年会,而从1981年开始每年的年会还增加了CG(Computer Graphics,电脑绘图)展览。绝大部分计算机图技术软硬件厂商每年都会将最新研究成果拿到SIGGRAPH年会上发布,大部分游戏的电脑动画创作者也将他们本年度最杰出的艺术作品集中在SIGGRAPH上展示。因此,SIGGRAPH在图形图像技术,计算机软硬件以及CG等方面都有着相当的影响力。
一份循环神经网络RNNs简明教程,37页ppt
专知会员服务
135+阅读 · 2020年5月6日
开源书:PyTorch深度学习起步
专知会员服务
41+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
99+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
29+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
58+阅读 · 2019年10月10日
TensorFlow 2.0 学习资源汇总
专知会员服务
56+阅读 · 2019年10月9日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
26+阅读 · 2019年10月9日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
72+阅读 · 2019年10月9日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
(TensorFlow)实时语义分割比较研究
机器学习研究会
9+阅读 · 2018年3月12日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
【推荐】RNN/LSTM时序预测
机器学习研究会
24+阅读 · 2017年9月8日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
【推荐】TensorFlow手把手CNN实践指南
机器学习研究会
5+阅读 · 2017年8月17日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
【推荐】(Keras)LSTM多元时序预测教程
机器学习研究会
24+阅读 · 2017年8月14日
Heterogeneous Graph Transformer
Arxiv
23+阅读 · 2020年3月3日
Neural Speech Synthesis with Transformer Network
Arxiv
5+阅读 · 2019年1月30日
Arxiv
3+阅读 · 2018年1月31日
VIP会员
相关VIP内容
一份循环神经网络RNNs简明教程,37页ppt
专知会员服务
135+阅读 · 2020年5月6日
开源书:PyTorch深度学习起步
专知会员服务
41+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
99+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
29+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
58+阅读 · 2019年10月10日
TensorFlow 2.0 学习资源汇总
专知会员服务
56+阅读 · 2019年10月9日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
26+阅读 · 2019年10月9日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
72+阅读 · 2019年10月9日
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
(TensorFlow)实时语义分割比较研究
机器学习研究会
9+阅读 · 2018年3月12日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
【推荐】RNN/LSTM时序预测
机器学习研究会
24+阅读 · 2017年9月8日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
【推荐】TensorFlow手把手CNN实践指南
机器学习研究会
5+阅读 · 2017年8月17日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
【推荐】(Keras)LSTM多元时序预测教程
机器学习研究会
24+阅读 · 2017年8月14日
微信扫码咨询专知VIP会员