深度学习

理解和使用深度学习网络

Matlab深度学习培训课程

发布的Johanna Pingel那

101视图(最近30天)|喜欢|4评论

与NVIDIA深度学习研究所合作开发

MathWorks很高兴地宣布与合作开发的新课程NVIDIA深度学习研究所（DLI）。

由于MATLAB于2017年开始支持深万博1manbetx入学习，我们一直在推广NVIDIA GPU的独家使用。（我的第一个GPU是一台NVIDIA Tesla K40，它至今仍放在我的办公室里——主要是出于感情上的原因）。MATLAB自动查找并使用可用的GPU进行深度学习应用程序，因此您不必明确编程GPU以体验培训和推理的加速。
与Matlab容器一起用于深度学习，现在可以从NVIDIA GPU云注册表（NGC），对NVID万博1manbetxIA GPU的支持仍在继续。就足以说，Matlab是一个很好的工程师和科学家，希望在熟悉的高生产率环境中加速GPU加速。

训练是什么？

我直接去了解培训背后的原因和方式。培训课程的作者之一Renee Bach @MathWorks回答了我的一些问题。
问：在服用这门课程后，我可以期待什么？这不仅仅是“什么是深入学习”课程，对吧？
A：这不仅仅是深度学习的入门。会议议程包括:
  • 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
  • 修改常见的网络架构，解决用户自定义的问题
  • 通过修改培训选项，提高网络性能
问:要花多少时间?谁教这门课?
A：这项两天的课程通过MATLAB提供了一种全面的实践深度学习介绍，这是一个教练LED训练，并使用NVIDIA GPU加速网络培训。
问:我需要一个GPU才能上这门课吗 还
A：不！Matlab教练LED类和所有NVIDIA DLI培训课程都使用基于云的GPU，因此您无需您拥有自己的GPU。友好提醒说，如果您没有GPU资源，您可以随时使用MATLAB NGC容器租用它们。这里有一个链接到MATLAB的NGC容器和一个关于入门的视频教程。
以下是MathWorks培训服务主任克雷格·桑托斯对这门课程的看法:
“这种与Matlab课程的深入学习使工程师，科学家和研究人员能够快速学习和应用深度学习技术，而无需深入学习专家。该课程是为期2天的教练主导课程，完成后，学生将在完成后，可以开始使用Matlab和NVIDIA GPU对图像分类，自主系统，语音识别和对象识别等共同应用程序的深度学习技巧。“
问:这对开源开发人员有什么帮助?
答：这是一个重要的事情要注意：如果您使用的是开源深度学习工具，您仍可能在使用MATLAB中找到值结合与开源。
Matlab有复杂的数据标签工具（如图片标志对于像素和区域标记，和音频贴标签机对于信号标记），可视化网络的功能（如下所示），以及用于优化的CUDA代码的自动代码生成的工具。
此外，一个Matlab容器来自NGC它是gpu优化AI和HPC软件的枢纽，提供了一个完整的深度学习工作流，使用NVIDIA gpu加速神经网络训练，以跨节点扩展性能。
这些工具可以帮助您通过数据预处理和代码生成来完成工作流，从而增强开源深度学习。

深度网络设计师提供新的或预设的深度学习模型中的交互性和调试

您可以查看其他行业特定的内容和先进的CUDA编程课程在DLI今天:https://www.nvidia.com/en-us/deep-learning-ai/education/
|
类别：
深度学习
  • 打印
  • 发送电子邮件

也可以看看

评论

要发表评论，请点击在这里要登录您的MathWorks帐户或创建新的。