MATLAB 和 Simulink 培训

使用 MATLAB 进行深度学习

查看时间表并报名

课程详细信息

本课程为期两天,全面介绍使用 MATLAB® 进行实际的深度学习。参加者将学习如何创建,训练和评估不同种类的深度神经网络。该讲师指导的培训使用 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,回归和其他图像应用
  • 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's 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。

第1天 (共2天)


使用迁移学习进行图像分类

目标: 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: 对通过网络的图像数据进行可视化以了解网络如何运算。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。

  • 训练新建网络
  • 神经网络
  • 卷积层和过滤器

第2天 (共2天)


训练网络和提高性能

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。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。

  • 训练网络
  • 训练过程绘图
  • 验证
  • 训练选项
  • 有向无环图
  • 数据集增广

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
  • 回归网络评估指标

利用深度学习实现计算机视觉

目标: 训练网络定位和标明图像中特定对象。

  • 图像应用工作流程
  • 目标检测

序列数据分类和生成

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。使用递归网络创建预测序列。

  • 长短期记忆网络
  • 序列分类
  • 序列预处理
  • 类别序列
  • 序列到序列的分类
  • 序列预测

难度: 中级

课程要求:

持续时间: 2 天

语言: English, 日本語, 中文, 한국어

查看时间表并报名