Analýza frameworků pro adaptaci hlubokých neuronových sítí – Vilém OBRÁTIL
Vilém OBRÁTIL
Bachelor's thesis
Analýza frameworků pro adaptaci hlubokých neuronových sítí
Analysis of Deep Learning Frameworks
Abstract:
Tato práce se zabývá frameworky pro adaptaci neuronových sítí. V teoretické části vysvětluje základní pojmy problematiky neuronových sítí a představuje několik široce rozšířených frameworků. V praktické části srovnává osm z těchto frameworků po stránce rychlosti učení, přesnosti, chyby, využití hardwarových prostředků a délky kódu. Jako testovaný problém, pro který byl v každém z frameworků sestaven …moreAbstract:
This thesis deals with the topic of frameworks for adaptation of neural networks. The theoretical part explains basic terms from the field of neural networks and introduces several widely used frameworks. In the practical part, eight of those frameworks are compared on their speed of learning, precision, error, hardware usage and code length. As a test problem, for which the same neural network was …more
Language used: Czech
Date on which the thesis was submitted / produced: 31. 7. 2020
Accessible from:: 31. 12. 2999
Thesis defence
- Date of defence: 18. 8. 2020
- Supervisor: doc. RNDr. PaedDr. Eva Volná, Ph.D.
Citation record
The right form of listing the thesis as a source quoted
OBRÁTIL, Vilém. Analýza frameworků pro adaptaci hlubokých neuronových sítí. Ostrava, 2020. bakalářská práce (Bc.). OSTRAVSKÁ UNIVERZITA. Přírodovědecká fakulta
Full text of thesis
Accessibility: Autor si nepřeje zpřístupnění práce veřejnosti
Contents of on-line thesis archive
Published in Theses:- Soubory jsou nedostupné.
Other ways of accessing the text
Institution archiving the thesis and making it accessible: OSTRAVSKÁ UNIVERZITA, Přírodovědecká fakultaUniversity of Ostrava
Faculty of ScienceBachelor programme / field:
Applied Information Science / Applied Information Science
Theses on a related topic
-
Převod vybraných algoritmů data-mining z jazyka Java do binární (.exe) formy
Jakub Šrom -
Úvod do TensorFlow a jeho aplikace v indoor lokalizaci
Daniel Tesař -
Využití projektu TensorFlow Lite na mikropočítači rodiny K6xF
Danyil Nikulin -
Objektové rozpoznávání v TensorFlow
Štěpán Chmel -
Automatické čtení SPZ s využitím technik hlubokého učení
Ladislav Dobrovský