基于MATLAB的深度学习
查看时间表和注册课程详细信息
这个为期两天的课程全面介绍了使用MATLAB的实际深度学习®.与会者将学习如何创建、训练和评估不同类型的深度神经网络。讲师式训练采用NVIDIA gpu加速网络训练。
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
- 利用长短期记忆网络进行序列分类和预测
- 修改常用网络架构,解决定制问题
- 通过修改训练选项来提高网络的性能
MATLAB深度学习是由NVIDIA的深度学习研究所.深度学习研究所提供同样由gpu驱动的专业培训。查看他们的行业特定内容和高级CUDA编程课程。
2天中的第一天
基于迁移学习的图像分类
摘要目的:使用预训练的网络进行图像分类。使用迁移学习训练定制的分类网络。
- 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:当图像数据通过网络时,通过可视化图像数据来深入了解网络是如何运行的。将此技术应用于不同类型的图像。
- 激活
- 用于机器学习的特征提取
创建网络
摘要目的:从头开始构建卷积网络。了解信息如何在网络层之间传递,以及不同类型的层是如何工作的。
- 从零开始培训
- 神经网络
- 卷积层和滤波器
网络培训
摘要目的:理解训练算法是如何工作的。设置培训选项,监控和控制培训。
- 网络训练
- 训练进度图
- 验证
2天中的第二天
提高网络性能
摘要目的:选择并实施对训练算法选项、网络架构或训练数据的修改,以提高网络性能。
- 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响应的卷积网络。
- 回归迁移学习
- 回归网络的评估指标
将深度学习用于计算机视觉
摘要目的:训练网络在图像中定位和标记特定对象。
- 图像应用流程
- 对象检测
序列数据分类
摘要目的:构建和训练网络,以对有序的数据序列(如时间序列或传感器数据)进行分类。
- 长短期记忆网络
- 序列的分类
- 序列预处理
- 分类序列
生成输出序列
摘要目的:使用循环网络来创建预测序列。
- 序列间分类
- 序列预测