亲爱的朋友们，我们:Louvere Walker-Hannon(帮助客户进行深度学习和数据分析的应用工程师)、Shruti Karulkar(测试和测量的质量工程主管)和Anoush Najarian(性能工程师)代表MathWorks GHC整理了这篇博客文章团队．

我们的团队在GHC 18上度过了一段美好的时光。参加会议帮助我们的团队成员相互了解，并展示了我们不知道存在的超能力!

这是我们作为大会赞助商的第一年。格蕾丝·霍珀庆典是世界上最大的女性技术人员聚会。除了招聘和参加关键技术会谈，我们的团队还举办了一个关于深度学习和物联网的MATLAB实践研讨会。

车间

我们很高兴能在GHC接受亲自动手的工作坊提案，这是一种荣誉，也是一种责任。结果是我们要进行两个大型的会议，全部都是预先注册的。

我们要求每个人都带一台带摄像头的笔记本电脑，或者共享。参与者使用他们的浏览器运行MATLAB Online中的深度学习代码，这是一个构建在云实例之上的很酷的框架，并将推理数据聚合到ThingSpeak该公司是一个开放的物联网平台，并分析了这些数据。

水果雀跃

每个人都使用网络摄像头捕捉现实世界物体的图像，并使用深度学习网络对它们进行分类。为了让事情更有趣，我们用水果来做推断:史密斯奶奶苹果、橘子、柠檬和香蕉。我们的团队进行了一次“水果箱”探险:我们带着旅行箱去了当地的一家杂货店，为工作坊买了一堆水果，在一天结束时，把它们送给了GHC的许多了不起的工作人员。

练习

我们的工作坊有三个练习和两个课后习题。

在我们的第一个练习中，我们使用网络摄像头捕捉图像，并将其传递给AlexNet深度学习网络进行推理，生成一个分类标签和一个置信度评分。

这是深度学习动手练习1的代码。%和物联网研讨会在Grace Hopper庆典2018-09-27上发表%%连接摄像头摄像头=网络摄像头(1);连接摄像头加载名为Alexnet的神经网络Nnet = alexnet;加载神经网络捕获和分类图像数据图片=快照(相机);%拍张照片图片= imresize(图片，[227,227]);调整图片的大小[标签，分数]=分类(nnet，图片);对图片进行分类%获得信心分数[sorted_scores, ~] =排序(分数,“下”）;中排序分数百分比%降序图像(照片);%显示图片标题([“Alexnet分类:”char(标签),的分数:，.．.num2str (sorted_scores (1))));%显示标签清晰的相机drawnow;

在我们的第二个练习中，我们重复练习1中所做的，并将推理数据发布到一个物联网通道。注意，我们使用相同的通道来聚合每个人的数据。

这是练习2的代码，作为深度学习实践的一部分。%和物联网研讨会在Grace Hopper庆典2018-09-27上发表%%连接摄像头摄像头=网络摄像头(1);连接摄像头加载名为Alexnet的神经网络Nnet = alexnet;加载神经网络捕获和分类图像数据图片=快照(相机);%拍张照片图片= imresize(图片，[227,227]);调整图片的大小[标签，分数]=分类(nnet，图片);对图片进行分类%获得信心分数[sorted_scores, ~] =排序(分数,“下”）;中排序分数百分比%降序图像(照片);%显示图片标题([“Alexnet分类:”char(标签),的分数:，.．.num2str (sorted_scores (1))));%显示标签清晰的相机drawnow;聚合标签数据以开放物联网平台试一试thingSpeakWrite(123456789,字符串(标签),“WriteKey”，“XXXYYYZZZ”）抓暂停(兰迪(5))结束

在我们的第三个练习中，我们从物联网通道中抓取聚合的推理数据并将其可视化。看到每个人的物品最终被归类为什么，这很有趣，也有点惊讶。

这是作为深度学习实践的一部分的练习3的代码。%和物联网研讨会在Grace Hopper庆典2018-09-27上发表从ThingSpeak读取过去2小时的聚合标签数据readChannelID = 570969;LabelFieldID = 1;readAPIKey =”；dataForLastHours = thingSpeakRead(readChannelID，.．.“字段”LabelFieldID,“NumMinutes”5,.．.“ReadKey”readAPIKey,“OutputFormat”，“表”）;使用直方图可视化数据如果(not(isempty(dataForLastHours))) labelsForLastHours = categorical(dataForLastHours. label);numbins = min(numel(unique(labelsForLastHours))， 20);直方图(labelsForLastHours“DisplayOrder”，“下”，.．.“NumDisplayBins”, numbins);包含(检测到对象的）;ylabel (“检测到的次数”）;标题(“直方图:深度学习网络检测到的对象”）;集(gca),“字形大小”, 10)结束drawnow

当我们的参与者运行这段代码时，我们看到一个聚集了每个人推理数据的直方图，其中包含了研讨会期间检测到的所有对象。这就是物联网的力量!查看我们所有研讨会的数据汇总在一起ThingSpeak通道．

作为课后练习，我们要求参与者使用GoogLeNet而不是AlexNet，并创建自己的物联网通道，并使用它发布和分析数据。

反馈

能被GHC接受演讲提案是一种荣幸，举办大型的实践会议是一种重大的责任。

我们喜欢在社交媒体上听到参与者的声音:

我们从教授、AI和深度学习爱好者那里听说，他们对在校园和创者活动中使用我们的材料很感兴趣:以下是前两个，其他几个正在工作中!如果你想给我们的深度学习和物联网演示一个机会，请在评论中告诉我们。

我们GHC团队的霍普·鲁宾带领STEM大使们将深度学习和物联网演示带到波士顿迷你制造商博览会。

在勇敢的Sonya Hsu教授和她的ACM-W合作伙伴的领导下，一个团队在路易斯安那大学拉斐特分校的科学日期间举办了研讨会。在这个博客上寻找这些事件的帖子!

谢谢你！

如果没有我们团队成员丰富的教学和技术经验，没有我们高级领导的卓越指导，没有来自MathWorkers和波士顿SWE朋友的数百名帮助，我们不可能做到这一点。

波士顿瑞典文英国女性工程师协会是全国最古老、规模最大的组织之一，一直是我们的基石!在GHC的前一周，我们在MathWorks举办了一个SWE活动，将我们的代码和材料呈现在许多好奇的、投入的参与者面前，他们给了我们时间，给了我们鼓励，并问了我们棘手的问题!

下一个步骤

我们也欢迎您使用我们的GHC 18深度学习和物联网研讨会材料！

想了解更多吗?选择免费的深度学习入口！了解和构建物联网项目．

访问我们的GHC页面了解我们的团队，并了解如何在MathWorks工作。来看看照片我们的团队得到了，或者说得到了会议椅，而我们的Twitter的时刻．当你在看的时候，看看我们重点关注的那些了不起的女性的工作# shelovesmatlab标签!在评论中分享你的想法。