亲爱的朋友们，我们:帮助客户进行深度学习和数据分析的应用工程师Louvere Walker-Hannon、测试和测量的质量工程主管Shruti Karulkar和性能工程师Anoush Najarian代表MathWorks GHC撰写了这篇博客文章团队．

我们的团队在GHC 18上度过了一段美好的时光。参加会议帮助我们的团队成员互相了解，并激发了我们以前不知道存在的超能力!

这是我们作为会议主办者的第一年。霍珀庆祝是世界上最大的女性技术人员聚会。除了招聘和参加关键技术讲座外，我们的团队还进行了关于深度学习和物联网的MATLAB实践工作坊。

车间

我们很高兴GHC接受了一个实践研讨会的提议，这是一种荣誉，也是一种责任。结果是，我们将进行两场大型会议，全部提前注册。

我们要求每个人都带一台带摄像头的笔记本电脑，或者分享。参与者使用他们的浏览器在MATLAB Online中运行深度学习代码，这是一个建立在云实例之上的很酷的框架，并将推断数据聚合到ThingSpeak，并分析了这些数据。

水果雀跃

每个人都使用网络摄像头捕捉真实世界物体的图像，并使用深度学习网络对它们进行分类。为了让事情更有趣，我们用水果来推断:Granny Smith苹果、橙子、柠檬和香蕉。我们的团队进行了一次“水果箱”考察:我们带着一个手提箱去了当地的一家杂货店，为车间买了一串水果，在一天结束时，把它送给了许多了不起的GHC工人。

练习

我们的工作坊有三个练习和两个带回家的问题。

在我们的第一个练习中，我们使用网络摄像机捕捉图像，并将其传递给AlexNet深度学习网络进行推理，生成分类标签和置信度评分。

%这是练习1的代码，作为深度学习的一部分%和物联网研讨会在Grace Hopper Celebration上亮相2018-09-27%%连接到摄像机相机=摄像头(1);%连接到摄像机%%正在加载名为Alexnet的神经网络nnet = alexnet;%加载神经网络%%采集和分类图像数据照片=快照(相机);拍照图片= imresize(图片，[227,227]);%调整图片大小[label, scores] = classification (net, picture);将图片分类获得信心分数[sorted_scores, ~] =排序(分数,“下”）;分数排序%降序排列图像(照片);%显示图片标题([“Alexnet分类:char(标签),的分数:，．．.num2str (sorted_scores (1))));%显示标签清晰的相机drawnow;

在我们的第二个练习中，我们重复练习1中所做的，并将推断数据发送到物联网通道。请注意，我们使用相同的通道来聚合每个人的数据。

%这是练习2的代码，作为深度学习的一部分%和物联网研讨会在Grace Hopper Celebration上亮相2018-09-27%%连接到摄像机相机=摄像头(1);%连接到摄像机%%正在加载名为Alexnet的神经网络nnet = alexnet;%加载神经网络%%采集和分类图像数据照片=快照(相机);拍照图片= imresize(图片，[227,227]);%调整图片大小[label, scores] = classification (net, picture);将图片分类获得信心分数[sorted_scores, ~] =排序(分数,“下”）;分数排序%降序排列图像(照片);%显示图片标题([“Alexnet分类:char(标签),的分数:，．．.num2str (sorted_scores (1))));%显示标签清晰的相机drawnow;%%聚合标签数据以开放物联网平台试一试thingSpeakWrite(123456789,字符串(标签),“WriteKey”，“XXXYYYZZZ”）抓暂停(兰迪(5))结束

在我们的第三个练习中，我们从物联网渠道获取聚合的推断数据并将其可视化。看到每个人的物品最后都被归为什么类别，这很有趣，也有点令人惊讶。

%这是练习3的代码，作为深度学习的一部分%和物联网研讨会在Grace Hopper Celebration上亮相2018-09-27%%正在从ThingSpeak读取过去2小时的聚合标签数据readChannelID = 570969;LabelFieldID = 1;readAPIKey ='＇；dataForLastHours = thingSpeakRead (readChannelID,．．.“字段”LabelFieldID,“NumMinutes”5,．．.“ReadKey”readAPIKey,“OutputFormat”，“表”）;%%使用直方图可视化数据如果(not(isempty(dataForLastHours))) labelsForLastHours = categorical(dataForLastHours. label);numbins = min(nummel (unique(labelsForLastHours))， 20);直方图(labelsForLastHours“DisplayOrder”，“下”，．．.“NumDisplayBins”, numbins);包含(检测到对象的）;ylabel (“检测到的次数”）;标题(“直方图:深度学习网络检测到的对象”）;集(gca),“字形大小”, 10)结束drawnow

当我们的参与者运行这段代码时，我们看到了一个直方图，它聚合了每个人的推断数据，以及研讨会期间检测到的所有对象。这就是物联网的力量!请查看我们所有研讨会的数据汇总在一起ThingSpeak通道．

作为课后练习，我们要求参与者使用GoogLeNet而不是AlexNet，并创建自己的物联网渠道，使用它发布和分析数据。

反馈

能够在GHC上发表演讲是一种荣幸，而在大型实践会议上发表演讲也是一种很大的责任。

我们喜欢在社交媒体上听到参与者的声音:

我们从教授、人工智能和深度学习爱好者那里听到了他们对在校园和创者活动中使用我们的材料感兴趣的消息:以下是前两种材料，还有一些正在制作中!如果你想给我们的深度学习和物联网演示一个机会，请在评论中告诉我们。

我们GHC团队的希望Rubin领导了STEM大使们，他们把这个深度学习和物联网演示带到波士顿迷你制造商博览会上。

在勇敢的Sonya Hsu教授和她的ACM-W合作伙伴的领导下，一个团队在路易斯安那大学拉斐特分校的科学日期间举办了这个研讨会。在这个博客上寻找关于这些事件的帖子!

谢谢你！

如果没有我们团队成员在教学和技术方面的丰富经验，没有我们高层领导的出色指导，没有数百名MathWorkers和Boston SWE朋友的帮助，我们不可能做到这一点。

波士顿瑞典文美国女工程师协会(Society of Women Engineers)是美国历史最悠久、规模最大的组织之一，一直是我们的基石!在GHC的前一周，我们在MathWorks举办了SWE活动，将我们的代码和材料呈现在许多好奇的、积极参与的参与者面前，他们给了我们时间，给予了我们鼓励，并向我们提出了棘手的问题!

下一个步骤

我们也欢迎您使用我们的GHC 18深度学习和物联网研讨会材料！

想要了解更多?做一些免费的深度学习斜坡弯道！学习和构建物联网项目．

访问我们的GHC页面，与我们的团队见面并了解如何在MathWorks工作。看一下照片我们的团队，或者说是由会议主席，和我们的Twitter的时刻．当你在做的时候，看看我们一直在强调的优秀女性的工作# shelovesmatlab标签!请在评论中分享你的想法。