找回密码
 立即注册
emily 该用户已被删除
发表于 2017-10-19 16:43:54
9460
听听演讲,学学理论,您是否还想亲自动手实践,体验如何训练深度学习模型来完成一个计算机视觉方面的任务呢?快来参加英伟达深度学习学院 (Deep Learning Institute,简称DLI)推出的免费基础公开课吧!DLI自去年开始在全球推广“深度学习”培训,每门课程都包含动手实验,并基于最新的AIframework、深度学习软件和GPU技术,让学员可以亲自实践深度学习的完整工作流程,拓展解决问题的思路和能力,让AI真正融于实践,提升个人和企业的竞争优势。www.nvidia.cn/DLI
欢迎您前来观看,或者带着自己的电脑来现场跟着老师学习。每位参加的朋友,都可以获赠3张课程试用卡,可以学习DLI更多领域、更深入的在线实验室课程。
开课时间:10月21日下午2点至5点
地点: 安徽世纪金源大饭店3层首长接见厅
日程:
14:00-15:30 不需要写代码,用开源软件DIGITS实现图像分类
15:30-17:00 不需要写代码,用开源软件DIGITS实现目标检测
课程介绍:
?   通过DIGITS实现图像分类
级别:初级 | 预备知识:无
行业:所有 | Frameworks: Caffe
此实验室会向您展示如何通过在 Caffe 框架上的 NVIDIA DIGITS 和MNIST 手写数据集,在深度学习工作流程中利用深度神经网络 (DNN), 尤其是卷积神经网络 (CNN) 解决真实图像分类问题,您会学到:
*      构建运行在GPU上的深度神经网络
*      管理数据准备、模型定义、模型训练和问题排查过程
*      使用验证数据来测试和尝试不同策略来提升模型性能
完成此实验室后,您将能够使用 NVIDIADIGITS 来构建、训练、评估和提升您的图像分类应用程序中 CNN 的准确性。
?   通过DIGITS实现目标检测
级别:初级 | 预备知识:通过DIGITS实现图像分类
行业:所有 | Frameworks: Caffe
此实验室通过尝试下列三种不同方法:滑动窗口, 全卷积神经网络 (FCN) 和 DIGITS 的 DetectNet 网络模型,向学员介绍四个主要电脑视觉任务之一 目标检测。您将学到:
*      评估与下列三个指标有关的目标检测方法:模型训练时间、模型准确性和部署时的检测速度
*      使用滑动窗口方法检测目标
*      将全连接网络转换为全卷积神经网络 (FCN)
*      使用 DIGITS DetectNet 提升目标检测效率
完成此实验室后,您将了解每种方法的优点,并学习如何使用 NVIDIA DIGITS 在 Caffe 框架中利用真实数据集训练神经网络,并以此检测目标。
课前准备:
您可以选择来听课,或者自带电脑来跟随讲师一起动手实验。如要亲自体验动手实践课程,请根据如下要求做好准备:
?  开通DLI课程实验网站账户:在https://nvlabs.qwiklab.com/上注册账号。现场我们将提供免费token供您上课使用。
?  电脑只需安装有IE 10 (或以上版本), 或者 Chrome 59 (或以上版本) 浏览器。
?  请自行解决网络问题,使电脑可以在培训现场时访问如上DLI课程实验网站。
培训相关问题,请联系 nzheng@nvidia.com

使用道具 举报 回复
发新帖
您需要登录后才可以回帖 登录 | 立即注册

zzczczxczxczx