Schulungsübersicht
Einführung in Torch
- Wie NumPy, aber mit CPU- und GPU-Implementierung Torch, Verwendung in den Bereichen maschinelles Lernen, Computer Vision, Signalverarbeitung, Parallelverarbeitung, Bild, Video, Audio und Netzwerk
Installieren Torch
- Linux, Windows, Mac Bitmapi und Docker
Installieren von Torch Paketen
- Verwendung des LuaRocks-Paketmanagers
Auswahl einer IDE für Torch
- ZeroBrane Studio Eclipse-Plugin für Lua
Arbeiten mit der Lua Skriptsprache und LuaJIT
- Luas Integration mit C/C++ Lua-Syntax: Datentypen, Schleifen und Bedingungen, Funktionen, Funktionen, Tabellen und Datei-E/A. Objektorientierung und Serialisierung in Torch Codierungsübung
Laden eines Datensatzes in Torch
- MNIST CIFAR-10, CIFAR-100 Imagenet
Maschinelles Lernen in Torch
- Deep Learning Manuelle Merkmalsextraktion im Vergleich zu Faltungsnetzwerken
Arbeiten mit dem REPL-Interpreter
- Arbeiten mit Databases
Vernetzung und Torch
GPU-Unterstützung in Torch
Integrieren Torch
C, Python und andere
Einbettung Torch
- iOS und Android
Andere Frameworks und Bibliotheken
- Facebooks optimierte Deep-Learning-Module und Container
Erstellen Sie Ihr eigenes Paket
- Testen und Debuggen
Freigabe Ihrer Bewerbung
Die Zukunft der KI und Torch
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Programming Erfahrung in einer beliebigen Sprache.
- Eine allgemeine Vertrautheit mit C/C++ ist hilfreich.
- Interesse an Künstlicher Intelligenz (KI).
Publikum
- Softwareentwickler und Programmierer, die Machine und Deep Learning in ihren Anwendungen einsetzen wollen
Erfahrungsberichte (3)
Viel praktisches Wissen wird anhand von Beispielen aus dem wirklichen Leben vermittelt.
Kamil - Streamsoft Kraków
Kurs - Java Advanced
Maschinelle Übersetzung
Da ich mich am dritten Tag schon mehr als zuvor verlaufen hatte und es schwieriger war, einen Fehler schnell zu finden, konnte ich die letzte Änderung abhaken und war mit dem Material auf dem neuesten Stand.
Paulina
Kurs - Advanced Java Security
Maschinelle Übersetzung
Very good knowledge and character.