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
Installerar Torch
- Linux, Windows, Mac Bitmapi och Docker
Installerar Torch paket
- Använda LuaRocks pakethanterare
Välja en IDE för Torch
- ZeroBrane Studio Eclipse plugin för Lua
Arbeta med Lua Scripting Language och LuaJIT
- Luas integration med C/C++ Lua-syntax: datatyper, loopar och villkor, funktioner, funktioner, tabeller och fil-i/o. Objektorientering och serialisering i Torch Kodningsövning
Laddar en datamängd i Torch
- MNIST CIFAR-10, CIFAR-100 Imagenet
Maskininlärning i Torch
- Deep Learning Manuell funktionsextraktion kontra faltningsnätverk
Arbeta med REPL-tolken
- Arbeta med Databases
Nätverk och Torch
GPU-stöd i Torch
Integrering Torch
C, Python och andra
Inbäddning Torch
- iOS och Android
Andra ramar och bibliotek
- Facebooks optimerade djupinlärningsmoduler och behållare
Skapa ditt eget paket
- Testning och felsökning
Släpp din ansökan
Framtiden för AI och Torch
Sammanfattning och slutsats
Krav
- Programming erfarenhet på vilket språk som helst.
- En allmän förtrogenhet med C/C++ hjälper.
- Intresse för artificiell intelligens (AI).
Publik
- Mjukvaruutvecklare och programmerare som vill aktivera Maskin och Deep Learning i sina applikationer
Vittnesmål (3)
En stor mängd praktisk kunskap visas i verkliga exempel.
Kamil - Streamsoft Kraków
Kurs - Java Advanced
Machine Translated
Pushade ändringar regelbundet, eftersom jag dag 3 började gå vilse mer än tidigare och det var svårare att fånga ett misstag snabbt, jag kunde snabbt kolla efter den senaste ändringen och vara uppdaterad med materialet
Paulina
Kurs - Advanced Java Security
Machine Translated
Very good knowledge and character.