使用 MATLAB 进行深度学习培训课程培训中心

 本课程全面介绍了实用 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
• 详细课程提纲：

• 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

   

  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