Afficher la notice abrégée

Comparaison des frameworks d’apprentissage profond

dc.rights.licenseCC0en_US
dc.contributor.authorLERAT, Jean-Sébastien
dc.date.accessioned2022-04-25T12:16:43Z
dc.date.available2022-04-25T12:16:43Z
dc.date.issued2021
dc.identifier.issn2736-3929en_US
dc.identifier.urihttps://luck.synhera.be/handle/123456789/1617
dc.identifier.doi10.5281/zenodo.6043436en_US
dc.description.abstractL’apprentissage automatique est un ensemble de méthodes issues de l’intelligence artificielle qui visent à apprendre à l’aide de données. Au sein de ces méthodes, l’apprentissage profond se concentre sur des réseaux de neurones qui sont des modèles mathématiques dont l’objectif est de s’inspirer du fonctionnement du cerveau à l’aide de neurones artificiels. Ceux-ci sont très performants lorsqu’il s’agit de reconnaître des entités sur des images et vidéos. Ces méthodes sont possibles grâce aux améliorations technologiques qui permettent d’entraîner plus rapidement des modèles de plus en plus complexes, en particulier sur la carte graphique. Le problème se pose lorsqu’un temps de réponse court est requis ou lorsque le modèle neuronal est trop conséquent pour tenir en mémoire. Dans ce cas il faut distribuer la charge de travail sur plusieurs nœuds de calculs. Afin d’implémenter ce type de solution efficacement et rapidement, différents frameworks existent mais ceux-ci n’ont pas encore été comparés en termes d’utilisation de ressources, de stabilité et de performance sur un seul nœud. L’objectif de ce travail est de comparer les frameworks d’apprentissage profond sur le CPU et le GPU à l’aide de différents jeux de données et de différents modèles de réseaux de neurones.en_US
dc.description.sponsorshipREGen_US
dc.language.isoFRen_US
dc.publisherSYNHERAen_US
dc.relation.ispartofActes de Colloque de la 6ème Journée des Chercheurs en Haute Écoleen_US
dc.rights.uri/en_US
dc.subjectdeep learningen_US
dc.subjectframeworken_US
dc.subjectmachine learningen_US
dc.subjectbenchmarken_US
dc.subjectimage classificationen_US
dc.titleComparaison des frameworks d’apprentissage profonden_US
dc.typeArticle scientifiqueen_US
synhera.classificationIngénierie, informatique & technologieen_US
synhera.institutionHE en Hainauten_US
synhera.cost.total0en_US
synhera.cost.apc0en_US
synhera.cost.comp0en_US
synhera.cost.acccomp0en_US
dc.description.versionOuien_US
dc.rights.holder/en_US


Fichier(s) constituant ce document

Thumbnail

Ce document figure dans la(les) collection(s) suivante(s)

Afficher la notice abrégée