启智社区，确实给力

当前位置：首页 > 学习 > 实训 >

深度学习及TPU平台实践-高职版

深度学习及TPU平台实践-高职版

  • 来源：北京交通大学
  • 章节：5 单元：17

  • 算能

  • 人工智能组
进入实训课程

课程简介：

深度神经网络模型能很快地被训练、测试，然后被产业界部署从而有效完成现实世界中的任务。在小体积、低功耗的 AI 计算平台上部署这类系统是很受产业界欢迎的。本课程主要是以实践的方式带领大家直观的感受和领略深度学习的技术和知识。
本课程主要分成三部分，第一部分是前三章，介绍深度学习的基础知识，了解Tensor，Autograd，优化器，神经网络的基本概念，并且学习基础神经网络的构建，第二部分是第四章，是神经网络在实践中的应用，包括手写数字识别，猫狗分类，目标检测等实际应用，通过实践带领大学了解神经网络是如何在生活中使用的，第三部分是第五章，主要介绍了TPU的参数和状态的查看方法。



课程章节：

第一章 深度学习基础

本章节将介绍Tensor和Autograd的相关知识，其中tensor包括数据类型及创建方法、session会话，autograd包括求导、静态动态图设计、正反向传播和损失函数。

第二章 深度学习进阶

本章节将对优化器和神经网络相关知识进行介绍，其中优化器包括SGD、Momentum、RMSprop、Adagrad、Adadelta、Adam优化算法，神经网络包括网络层、激活函数、模型优化。

第三章 卷积神经网络

本章节将对卷积网络的基础知识和卷积模型构建进行相关知识的介绍，其中基础知识的介绍包括卷积层、池化层、步长、卷积核、填充，卷积模型包括 LeNet、Alexnet、Vgg、GoogLeNet、 Resnet 、Densenet、Inception。

第四章 卷积神经网络应用

本章节将介绍卷积神经网络的应用案例，如手写数字识别，猫狗分类，目标检测，道路场景分割。

第五章 深度学习加速

本章节将对TPU加速中的TPU查看、TPU常用参数设置展开介绍，让同学们对深度学习中的TPU有一个深刻的了解！