Глубокое обучение в MATLAB

Записаться на обучение

Описание курса

Курс дает фундаментальные практические знания в области глубокого обучения. На различных примерах будут разбираться особенности работы и обучения глубоких нейронных сетей, а также обсуждаться различные реализации архитектур как сверточных так и рекуррентных глубоких нейронных сетей.

Основные темы курса

Передача обучения для классификации изображений
Интерпретация поведения сети
Создание нейронной сети
Обучение сети
Повышение производительности сети
Выполнение регрессии изображения
Детектирование объекта на изображении
Рекуррентные сети
Введение в генерацию С и CUDA кода

Длительность

2 дня

Программа курса

Модуль 1. Передача обучения для классификации изображений
Предобученные сети
Предобработка изображений
Управление базой данных изображений
Передача обучения

Модуль 2. Интерпретация поведения сети
Активации в глубоких сверточных сетях
Извлечение характеристик
Машинное обучение

Модуль 3. Создание нейронной сети
Создание и сборка слоев
2-D свертка
Просмотри и использование фильтров

Модуль 4. Обучение сети
Обучение сети
Мониторинг процесса обучения
Валидация

Модуль 5. Повышение производительности сети
Настройка опций обучения
Аугментация изображений
Направленный ациклический граф

Модуль 6. Выполнение регрессии изображения
Регрессия изображений
Передача обучения для регрессии
Оценка регрессионной сети

Модуль 7. Детектирование объекта на изображении
Выделение региона для детектирования объекта
Выделение регионов на основе сверточных нейронных сетей
Использование R-CNN

Дополнительно (по запросу)

Модуль 8. Рекуррентные сети
Архитектура LSTM нейрона
Слои рекуррентных сетей
Настройка LSTM сети
Обработки текста
Обработка звука

Модуль 9. Введение в генерацию кода
Генерация C/C++ кода
Генерация GPU кода
Генерация кодя для глубоких сетей на различные целевые платформы