Plan Szkolenia

Wprowadzenie do Torch

    Podobnie jak NumPy, ale z implementacją CPU i GPU Torch, zastosowanie w uczeniu maszynowym, wizji komputerowej, przetwarzaniu sygnałów, przetwarzaniu równoległym, obrazach, wideo, audio i sieciach

Instalacja Torch

    Linux, Windows, Mac Bitmapi i Docker

Instalowanie Torch pakietów

    Korzystanie z menedżera pakietów LuaRocks

Wybór IDE dla Torch

    Wtyczka ZeroBrane Studio Eclipse dla Lua

Praca z Lua językiem skryptowym i LuaJIT

    Integracja Lua z C/C++ Składnia Lua: typy danych, pętle i warunki warunkowe, funkcje, funkcje, tabele i operacje we/wy plików. Orientacja obiektowa i serializacja w Torch Ćwiczenie z kodowania

Ładowanie zestawu danych w Torch

    MNIST CIFAR-10, CIFAR-100 Imagenet

Uczenie maszynowe w Torch

    Deep Learning Ręczna ekstrakcja cech a sieci splotowe
Uczenie się nadzorowane i bez nadzoru Budowa sieci neuronowej za pomocą Torch
  • Tablice N-wymiarowe
  • Analiza obrazu za pomocą Torch
  • Pakiet obrazów Biblioteka Tensor
  • Współpraca z tłumaczem REPL

      Praca z Databases

    Sieci i Torch

    Obsługa GPU w Torch

    Integracja Torch

    C, Python i inne

    Osadzanie Torch

      iOS i Androida

    Inne frameworki i biblioteki

      Facebook zoptymalizowane moduły i kontenery do głębokiego uczenia się

    Tworzenie własnego pakietu

      Testowanie i debugowanie

    Zwalnianie aplikacji

    Przyszłość sztucznej inteligencji i Torch

    Podsumowanie i wnioski

    Wymagania

    • Programming doświadczenie w dowolnym języku.
    • Pomocna będzie ogólna znajomość języka C/C++.
    • Zainteresowanie sztuczną inteligencją (AI).

    Publiczność

    • Deweloperzy oprogramowania i programiści, którzy chcą włączyć Machine i Deep Learning w swoich aplikacjach
    • .
     21 godzin

    Liczba uczestników



    Cena za uczestnika

    Powiązane Kategorie