Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Introduktion till Torch
- Som NumPy men med CPU och GPU implementering
- Torchs användning inom maskininlärning, datorseende, signalbehandling, parallell bearbetning, bild, video, ljud och nätverk
Installera Torch
- Linux, Windows, Mac
- Bitmapi och Docker
Installera Torch-paket
- Använda LuaRocks pakethanterare
Välja en IDE för Torch
- ZeroBrane Studio
- Eclipse plugin för Lua
Arbeta med Lua Scripting Language och LuaJIT
- Lua:s integration med C/C++
- Lua Syntax: datatyper, loopar och villkor, funktioner, funktioner, tabeller och fil-I/O.
- Objektorientering och serialisering i Torch
- Övning i kodning
Läsa in en datauppsättning i Torch
- MNIST (MNIST)
- CIFAR-10, CIFAR-100
- Imagenet (på engelska)
Machine Learning i Torch
- Deep Learning
- Manuell extrahering av funktioner jämfört med faltningsnätverk
- Övervakad och oövervakad inlärning
- Bygga ett neuralt nätverk med Torch
- N-dimensionella matriser
Image Analysis med Torch
- Paket med avbildning
- Tensor-biblioteket
Arbeta med REPL-tolken
Arbeta med Databases
Networking och Torch
GPU Stöd i Torch
Integrera Torch
- C, Python och andra
Inbäddning Torch
- iOS och Android
Andra ramverk och bibliotek
- Facebooks optimerade djupinlärningsmoduler och behållare
Skapa ditt eget paket
Testning och felsökning
Släppa ditt program
Framtiden för AI och Torch
Sammanfattning och slutsats
Krav
- Programming Erfarenhet på vilket språk som helst.
- En allmän förtrogenhet med C/C++ hjälper.
- Ett intresse för Artificial Intelligence (AI).
Publik
- Mjukvaruutvecklare och programmerare som vill aktivera Machine och Deep Learning i sina applikationer
21 timmar