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，列车和评估不同类型的深神经网络。教练LED培训使用NVIDIA GPU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
- 使用长短期内存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
- 通过修改培训选项，提高网络性能
与Matlab的深度学习是认可的Nvidia的深度学习学院。深度学习研究所提供由GPU提供技术支持的专业培训。查看他们的行业特定内容和先进的CUDA编程课程。
用MATLAB进行深度学习
先决条件
| 第1天 | |
|---|---|
| 转移学习图像分类 | 客观的：使用备用网络执行图像分类。使用转移学习培训定制分类网络。
|
| 解释网络行为 | 客观的：通过通过网络通过图像数据来了解网络如何运行网络。将这种技术应用于不同种类的图像。
|
| 创建网络 | 客观的：从头开始构建卷积网络。了解如何在网络层之间传递信息以及如何运行不同类型的层次工作。
|
| 培训网络 | 客观的：了解培训算法的工作。设置培训选项以监控和控制培训。
|
| 第2天的第2天 | |
|---|---|
| 提高网络性能 | 客观的：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 | 客观的：创建可以预测连续数字响应的卷积网络。
|
| 使用深度学习计算机愿景 | 客观的：列车网络定位和标记图像中的特定对象。
|
| 分类序列数据 | 客观的：构建和列车网络以对数据的有序序列进行分类，例如时间序列或传感器数据。
|
| 产生输出序列 | 客观的：使用循环网络创建预测序列。
|
