From 2e5d6587fcb1b34b09f2affc98fb047e3cd6efd2 Mon Sep 17 00:00:00 2001 From: Alexandre MEYER <alexandre.meyer@univ-lyon1.fr> Date: Thu, 26 Oct 2023 11:50:32 +0000 Subject: [PATCH] Update file TP_Classification.md --- web/content/am/TP_Classification.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) diff --git a/web/content/am/TP_Classification.md b/web/content/am/TP_Classification.md index dab30c4..a2cc45e 100644 --- a/web/content/am/TP_Classification.md +++ b/web/content/am/TP_Classification.md @@ -160,7 +160,7 @@ exemple, pour reconnaitre le nombre à partir de l'image du nombre écrit ou rec Pour ce type de tâche, le réseau approprié est le ConvNET ou CNN : Convolution Neural Network. Vous pouvez lire des explications sur ce qu'est un CNN dans le cours ou éventuellement sur internet (par exemple une [explication intuitive ici](https://ujjwalkarn.me/2016/08/11/intuitive-explanation-convnets/) ). -Pour du code avec pytorch, [https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html](regardez ici). +Pour du code avec pytorch, [regardez ici](https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html).  @@ -250,7 +250,7 @@ class Classifier(nn.Module): ## L'entrainement De manière assez similaire au classifier de nuages de point plus haut, il faut entrainer le réseau en déclarant également le DataLoader. -[https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html](Regardez ici). +[regardez ici](https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html) ## Conclusion -- GitLab