Coronavirus Disease 2019 (COVID-19) Update
Due to heightened concerns regarding the outbreak of COVID-19, we are adding more instructor-led online training courses as an alternative to classroom courses.
Deep Learning with MATLAB
This two-day course provides a comprehensive introduction to practical deep learning using MATLAB®。与会者将学习如何创建，训练和评估各种深层神经网络。讲师主导的培训使用NVIDIA GPU来加速网络培训。主题包括：
- 导入图像和序列数据
- 利用卷积神经网络图像一堂课sification, regression, and other image applications
- 使用长期短期存储网络进行序列分类和预测
- Modifying common network architectures to solve custom problems
- 通过修改培训选项来提高网络的性能
用MATLAB深入学习由NVIDIA的深度学习学院。深度学习研究所提供的专门培训也由GPU提供支持。查看其特定于行业的内容和高级CUDA编程课程。
Deep Learning with MATLAB
先决条件
| 第2天的第2天 | |
|---|---|
| 图像分类的转移学习 | 客观的：使用验证的网络执行图像分类。使用转移学习来培训定制的分类网络。
|
| 解释网络行为 | 客观的：通过可视化图像数据在通过网络时可视化网络的运行方式。将此技术应用于不同类型的图像。
|
| 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不同类型的层如何工作。
|
| 培训网络 | 客观的：了解培训算法如何工作。设置培训选项以监视和控制培训。
|
| 第2天的第2天 | |
|---|---|
| 改善网络性能 | 客观的：Choose and implement modifications to training algorithm options, network architecture, or training data to improve network performance.
|
| 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。
|
| 将深度学习用于计算机视觉 | 客观的：训练网络以在图像中找到和标记特定对象。
|
| 分类序列数据 | 客观的：构建和训练网络以对有序数据序列（例如时间序列或传感器数据）执行分类。
|
| 生成输出序列 | 客观的：Use recurrent networks to create sequences of predictions.
|
