证书查询

全国报名咨询热线
010-57197553

首页 / 人工智能

深度学习框架-Caffe入门课程方案

2021-06-04

课程时间:根据客户需求制定

费用:

地点:

  • 课程详情
  • 适用人群
  • 课程大纲
  • 本课程是在windows环境下的caffe课程,主要使用的是python的接口。 首先带着大家完成一个MNIST手写数字识别的项目,让大家了解caffe训练模型的大致流程。然后会讲到caffe中的一些重要文件和配置,使用python绘图。最后的部分会使用GoogleNet实现图像识别。

    课程目标

    1.了解caffe基本框架,以及文件配置

    2.学会绘制网络结构图,特征平面图,loss曲线图和accuracy曲线图

    3.学会使用caffe训练模型的完整流程

    4.学会训练自己的模型

    讲师介绍

    • 覃老师

       

      对机器学习、深度学习神经网络等领域有多年开发研究经验,精通算法原理与编程实践。曾完成过多项图像识别,目标识别,语音识别的实际项目,经验丰富。关注深度学习领域各种开源项目,如TensorFlow,Caffe,Torch等。喜欢理论与实践相结合的教学风格,课程编排由浅入深,体系清晰完整。


  • 1、对人工智能、深度学习感兴趣的学员

    2、渴望学习当今最热门最前沿技术的人
  • 第一章:Caffe介绍与安装
    1.1 Caffe概述 
    1.2 Caffe在windows下的安装编译 
    第二章:Caffe实操
    2.1 Caffe快速上手-mnist数据集分类(一) 
    2.2 Caffe快速上手-mnist数据集分类(二) 
    第三章:Caffe文件与优化器
    3.1 Caffe文件详解 
    3.2 各种优化器的介绍 
    第四章:Caffe可视化
    4.1 Caffe的python接口安装,以及模型可视化
    4.2 Caffe特征图可视化以及学习曲线可视化 
    第五章:Caffe图像识别
    5.1 GoogleNet结构讲解,准备用GoogleNet实现图像识别 
    5.2 使用python接口调用GoogleNet实现图像识别 
    第六章:Caffe网络设计
    6.1 Caffe在windows下GPU版本的安装 
    6.2 使用自己设计的网络训练自己的图像识别模型(一) 
    6.3 使用自己设计的网络训练自己的图像识别模型(二) 
    第七章:课程总结
    7.1 迁移学习-Finetune 
    7.2 Snapshot以及课程总结