Kurzusleírás
Bevezetés a Torch-be
- Mint a NumPy, de CPU és GPU implementációval Torch gépi tanulásban, számítógépes látásban, jelfeldolgozásban, párhuzamos feldolgozásban, kép-, videó-, hang- és hálózatépítésben
Telepítés Torch
- Linux, Windows, Mac Bitmapi és Docker
Torch Csomagok telepítése
- A LuaRocks csomagkezelő használatával
IDE kiválasztása a Torch számára
- ZeroBrane Studio Eclipse beépülő modul Lua-hez
A Lua Scripting Language és a LuaJIT használata
- A Lua integrációja a C/C++ Lua szintaxissal: adattípusok, ciklusok és feltételes feltételek, függvények, függvények, táblák és fájl i/o. Objektumorientáció és szerializálás a Torch Kódolási gyakorlatban
Adatkészlet betöltése itt: Torch
- MNIST CIFAR-10, CIFAR-100 Imagenet
Gépi tanulás itt: Torch
- Deep Learning Manuális jellemzőkivonás kontra konvolúciós hálózatok
A REPL tolmács használata
- Munka a Database-vel
Hálózatépítés és Torch
GPU-támogatás itt: Torch
Integrálás Torch
C, Python és mások
Beágyazás Torch
- iOS és Android
Egyéb keretrendszerek és könyvtárak
- Facebook optimalizált mélytanulási moduljai és konténerei
Saját csomag létrehozása
- Tesztelés és hibakeresés
Az alkalmazás kiadása
Az AI jövője és Torch
Összefoglalás, és következtetés
Követelmények
- Programming bármilyen nyelven szerzett tapasztalat.
- A C/C++ általános ismerete segít.
- Érdekel a mesterséges intelligencia (AI).
Közönség
- Szoftverfejlesztők és programozók, akik engedélyezni kívánják a Gépet és a Deep Learning alkalmazást
Vélemények (3)
Nagy mennyiségű gyakorlati tudás valós példákon bemutatva.
Kamil - Streamsoft Kraków
Kurzus - Java Advanced
Machine Translated
Folyamatosan erőltetve a változtatásokat, amikor a 3. napon kezdtem jobban eltévedni, mint korábban, és nehezebb volt gyorsan észrevenni a hibát, gyorsan meg tudtam nézni a legújabb változásokat és naprakész voltam az anyaggal
Paulina
Kurzus - Advanced Java Security
Machine Translated
Very good knowledge and character.