MATLAB 和 Simulink 培训

使用 MATLAB 进行深度学习

课程详细信息

本课程为期两天,全面介绍了实用 MATLAB®深度学习。学员将了解如何创建、训练和评估不同深度神经网络。本培训由教师引导,并使用 NVIDIA GPU 加速网络训练。

内容包括:

  • 导入图像和序列数据
  • 使用卷积神经网络进行图像分类,回归和目标检测
  • 使用长短期记忆网络进行序列分类和预测
  • 修改常见的网络结构解决自定义问题
  • 修改训练选项来改善网络效率

NVIDIA Deep Learning Institute

MATLAB 深度学习由 NVIDIA Deep Learning Institute(深度学习学院)提供技术支持。Deep Learning Institute 还提供由 GPU 支持的专门培训。查看其针对特定行业的内容以及高级 CUDA 编程课程。

Day 1 of 2


使用迁移学习进行图像分类

目标:课程概述,使用预训练网络执行图像分类,使用迁移学习训练自定义分类网络。

  • 预训练网络
  • 图像数据存储
  • 迁移学习
  • 网络评估

解释网络行为

目标:可视化通过网络的图像数据了解网络如何运算,将该技术应用于不同种类的图像。

  • 激活
  • 特征提取用于机器学习

创建网络

目标:从头开始建立卷积网络,理解网络层次之间如何传递信息,以及不同层级如何工作。

  • 从头开始训练
  • 神经网络
  • 卷积层和过滤器

训练网络

目标:理解训练算法如何工作,设置训练选项来检测和控制训练。

  • 训练网络
  • 训练过程绘图
  • 确认

Day 2 of 2


改善网络性能

目标:选择和修改训练算法选项,网络结构,或者训练数据来改善网络效率。

  • 训练选项
  • 有向无环图
  • 增加数据存储

执行图像回归

目标:创建卷积网络来预测连续数据响应。

  • 回归网络迁移学习
  • 回归网络评估矩阵

图像检测目标

目标:训练网络定位和标明图像中具体对象。

  • 目标检测

序列数据分类

目标:建立和训练网络进行有序序列数据分类,例如时间序列和传感器数据。

  • 长短期记忆网络
  • 序列分类
  • 序列预处理
  • 类别序列

生成输出序列

目标:使用递归网络创建预测序列。

  • 序列分类
  • 序列预测

难度: 中级

持续时间: 2 天

语言: English, Français, 日本語, 한국어, 中文