用MATLAB进行深度学习
这门为期两天的课程全面介绍了如何使用MATLAB进行实际的深度学习®．与会者将学习如何创建、训练和评估不同类型的深度神经网络。教师主导的培训使用NVIDIA图形处理器加速网络培训。主题包括:
- 导入图像和序列数据
- 使用卷积神经网络进行图像分类、回归和其他图像应用
- 利用长短期记忆网络进行序列分类和预测
- 修改通用网络体系结构以解决自定义问题
- 通过修改训练选项来改善网络的性能
深度学习与MATLAB的支持英伟达的深度学习研究所．深度学习学院也提供gpu支持的专门培训。查看他们的行业特定内容和高级CUDA编程课程。
用MATLAB进行深度学习
先决条件
| 第二天的第一天 | |
|---|---|
| 图像分类的迁移学习 | 摘要目的:使用预先训练的网络进行图像分类。使用迁移学习来训练定制的分类网络。
|
| 解释网络行为 | 摘要目的:通过可视化通过网络的图像数据来洞察网络是如何运行的。将这种技术应用于不同类型的图像。
|
| 创建网络 | 摘要目的:从头开始构建卷积网络。了解信息如何在网络层之间传递，以及不同类型的层如何工作。
|
| 训练一个网络 | 摘要目的:理解训练算法是如何工作的。设置培训选项以监控和控制培训。
|
| 第二天 | |
|---|---|
| 提高网络性能 | 摘要目的:选择并实施对训练算法选项、网络体系结构或训练数据的修改，以提高网络性能。
|
| 执行图像回归 | 摘要目的:创建可以预测连续数值响应的卷积网络。
|
| 利用深度学习实现计算机视觉 | 摘要目的:训练网络定位和标记图像中的特定对象。
|
| 序列数据分类 | 摘要目的:建立和训练网络来对数据的有序序列进行分类，如时间序列或传感器数据。
|
| 输出的生成序列 | 摘要目的:使用循环网络创建预测序列。
|
