深度学习与MATLAB
查看日程安排和登记课程详细信息
这两天的课程提供了一个全面的介绍使用MATLAB®实际深度学习。与会者将了解如何创建、训练、评价不同类型的神经网络。参加培训班使用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、图像和其他应用程序
- 使用长期短期记忆网络序列分类和预测
- 修改公共网络架构来解决自定义问题
- 改善网络的性能通过修改培训选项
深度学习与MATLAB是认可的NVIDIA的深度学习研究所。深度学习学院也提供专门的培训由gpu。看看他们的特定于行业的内容和高级CUDA编程课程。
第一天2
转移对图像分类学习
摘要目的:执行图像分类使用pretrained网络。使用传输网络学习训练定制的分类。
- Pretrained网络
- 图像数据存储
- 转移学习
- 网络评价
解释网络行为
摘要目的:了解如何操作网络可视化图像数据通过网络。这种技术适用于不同类型的图像。
- 激活
- 机器学习的特征提取
创建网络
摘要目的:从头构建卷积网络。了解网络层之间的信息传递和不同类型的层是如何工作的。
- 从头开始培训
- 神经网络
- 卷积层和过滤器
第二天2
训练一个网络和提高性能
摘要目的:理解训练算法是如何工作的。设置培训选项来监视和控制。选择和实施修改训练算法的选择,网络体系结构,或者训练数据来提高网络性能。
- 网络训练
- 培训发展情节
- 验证
- 培训方案
- 有向无环图
- 增强数据存储
执行图像回归
摘要目的:创建可以预测连续数字卷积网络响应。
- 转移学习回归
- 评价指标回归网络
使用计算机视觉的深度学习
摘要目的:列车网络在图像定位和标签特定对象。
- 图像应用程序工作流程
- 对象检测
序列数据分类和一代
摘要目的:建立和培训网络上执行分类排序的数据,如时间序列或传感器数据。使用周期性网络创建序列的预测。
- 长期短期记忆网络
- 序列的分类
- 序列预处理
- 分类序列
- 序列顺序分类
- 序列预测