深度学习mit MATLAB
程序ansehen和anmeldenKursbeschreibung
Dieser zweitägige Kurs bietet eine umfangreiche Einführung in die Verwendung von深度学习算法mit MATLAB。我的老师,我的老师,我的老师,我的老师。英伟达图形处理器,神经系统的训练。
Themenubersicht:
- 爱因斯坦·冯·图片和序列
- 卷积神经网络(CNNs)的bildklclassification, Bildregression and in weiteren Bildanwendungen
- 长短时记忆(LSTM)网络与序列记忆网络
- Anpassung gegebener Netzwerkarchitekturen一个新问题stellungen
- Anpassung von Trainingsparametern um Netzwerkperformance zu erhöhen
深度学习mit MATLAB wild vonNVIDIA的深度学习研究所unterstutzt。深度学习学院,gpu arbeitenüber die branchenspezifischen Inhalte und CUDA-Programmierkurse für Fortgeschrittene。
标签1 von 2
克拉分类,冯,比尔德恩,米粒生命,vortrainierter,神经,奈兹
目标:Klassifizierung von Bildern mit卷积神经网络。转移学习(迁移学习)。
- 神经元涡
- 图像数据存储
- 转移学习
- Netzwerkevaluation
Funktionsweise neuronaler Netze
目标:CNNs。
- Abgreifen von Netzwerkaktivierungen
- Extrahieren von Merkmalen
Erzeugen neuronaler Netzwerke
目标:埃因布利克在神经神经学家的研究中。
- 训练有素的人没有训练有素的人
- Neuronale Netze
- Faltungen und Filter
训练神经学家奈兹
目标:艾因布里克在《训练算法》中。培训的重要性和重要性。
- Trainingsprozess
- 训练的视觉化
- Validierung des ergebnses
Tag 2 von 2
Verbesserung der Netzwerk Performance
目标:Anpassung des训练算法,der Netzwerkarchitektur, oder Trainingsdaten um die Netzwerkperformance zu erhöhen。
- Trainingsparameter
- 增强数据存储
- 有向无环图(DAG)
回归
目标:我的名字,我的名字,我的名字。
- 迁移学习für回归问题
- 评价von Regressionsnetzwerken
Verwendung von深度学习für计算机视觉
目标:Bildern的神经学家Netze zur Lokalisierung和Beschriftung von Objekten。
- Arbeitsablauf für Bildanwendungen
- Objekterkennung
Klassifikation von Sequenzdaten
目标:erzeeugen und trainieren rückgekoppelter neuronaler Netze zur Klassifikation von Zeit- und Meßreihen, sowie kategorialer Sequenzen。
- 长短时记忆(LSTM)
- Klassifikation von Sequenzdaten
- Vorverarbeitung von Sequenzdaten
- 分类序列(文本)
Erzeugen von Sequenzen
目标:Verwendung rückgekoppelter神经学家Netze zur Vorhersage von Sequenzen
- Sequence-to-Sequence学习
- Vorhersage von Sequenzdaten