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

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：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

第2天/共2天

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

课程要求:

持续时间: 2 天

语言: English, Français, 日本語, 한국어

查看时间表并报名