 |
課程介紹
Introduction
|
NVIDIA 深度學習入門解密
深度學習（Deep Learning）的技術採用了神經網路（Neural Network）多節點及分層的結構來訓練及分析數據的特徵，進而達成可自動對大量數據的辨識與分類。近年來，Google運用深度學習的技術實現了許多智慧型的服務，例如Google Now語音辨識、Gmail自動回信、Gmail垃圾郵件判斷、Google相簿自動分類與辨識、Google翻譯等。因此，深度學習的技術已漸漸地實現了許多我們期待已久的人工智慧( Artificial Intelligence )應用系統；加上現今CPU與GPU平行處理能力的大幅增長，更促進了目前深度學習被開發的腳步。
在兩次的深度學習課程中，第一次所安排的課程內容將由淺而深，從神經網路的基礎模型開始說明，包含訓練與辨識的方法，使學員瞭解基礎模型的運作方式。接著將介紹在深度學習技術中常用的Convolutional Neural Networks(CNN)模型，配合Computer Vision及Image classification等應用實例，可幫助學員實際的瞭解深度學習的訓練及辨識概念；然而運算速度終將成為實際應用的瓶頸，因此運用GPU加速已成為深度學習項目中不可不知的關鍵技術。NVIDIA提供cuDNN等加速程式庫，讓使用者可以運用所提供的加速模型來加速深度學習的計算，因此本課程也將介紹cuDNN等加速程式庫的使用方法。 第二次的課程將帶領同學探索目前最夯的深度學習之於影像分割問題與其應用．
深度學習能夠使機器擁有接近人類視覺識別能力，並透過直接從數據學習的預測模型替換手寫編碼軟體進行應用。本次線上實作課程介紹了機器學習工作流程，並提供了使用深層神經網路（DNN）解決現實世界圖像分割的實踐經驗。您將透過資料庫準備、模型定義、模型準備、故障排除，驗證、測試並改進模型性能，亦可在模型訓練過程中體驗 GPU 加速的優勢。完成本實驗課程後，您將擁有使用 NVIDIA DIGITS 在自己的圖像分類數據集上訓練深層神經網路的知識。誠摯的歡迎您來參加這場不能錯過的GPU深度學習之旅。
|
手把手教
好易懂