Course Code

caffe

Duration

21 hours (usually 3 days including breaks)

Requirements

None

Overview

Caffe - це глибока навчальна структура, що складається з вираження, швидкості та модульності.

Цей курс вивчає застосування Caffe як глибокої рамки навчання для розпізнавання зображень за допомогою MNIST як приклад

Аудиторія

Цей курс підходить для дослідників та інженерів Deep Learning зацікавлених у використанні Caffe як основи.

Після завершення цього курсу делегати зможуть:

розуміти структуру Caffe і механізми її розгортання
виконувати завдання встановлення / виробничого середовища / архітектури та конфігурації
оцінюють якість коду, виконують налагодження, моніторинг
впроваджувати передові технології виробництва, такі як навчальні моделі, реалізація шарів і ведення журналу

Machine Translated

Course Outline

Installation

Docker
Ubuntu
RHEL / CentOS / Fedora installation
Windows

Caffe Overview

Nets, Layers, and Blobs: the anatomy of a Caffe model.
Forward / Backward: the essential computations of layered compositional models.
Loss: the task to be learned is defined by the loss.
Solver: the solver coordinates model optimization.
Layer Catalogue: the layer is the fundamental unit of modeling and computation – Caffe’s catalogue includes layers for state-of-the-art models.
Interfaces: command line, Python, and MATLAB Caffe.
Data: how to caffeinate data for model input.
Caffeinated Convolution: how Caffe computes convolutions.

New models and new code

Detection with Fast R-CNN
Sequences with LSTMs and Vision + Language with LRCN
Pixelwise prediction with FCNs
Framework design and future

Examples:

MNIST

Testimonials

★★★★★

Це було дуже інтерактивним і більш розслабленим і неформальним, ніж очікувалося. Ми розглянули багато тем в той час, і тренер завжди сприйнятливі говорити більш докладно або в цілому про теми і як вони були пов'язані. Я відчуваю, що навчання дав мені інструменти, щоб продовжити навчання на відміну від його час одного сеансу, де навчання зупиняється, як тільки ви закінчили, що дуже важливо з огляду на масштаби і складність теми.

Jonathan Blease

Course:Artificial Neural Networks, Machine Learning, Deep Thinking

Machine Translated

Тема дуже цікава.

Wojciech Baranowski

Course:Introduction to Deep Learning

Machine Translated

Тренери теоретичні знання і готовність вирішувати проблеми з учасниками після навчання.

Grzegorz Mianowski

Course:Introduction to Deep Learning

Machine Translated

Тему. Дуже цікаво!.

Piotr

Course:Introduction to Deep Learning

Machine Translated

Вправи після кожної теми були дуже корисними, незважаючи на те, що були занадто складні в кінці. Загалом, представлений матеріал був дуже цікавим і за участю! Вправи з розпізнаванням зображення були великими.

Dolby Poland Sp. z o.o.

Course:Introduction to Deep Learning

Machine Translated

Я думаю, що якщо тренінг буде зроблено польською це дозволить тренеру поділитися своїми знаннями більш ефективними.

Radek

Course:Introduction to Deep Learning

Machine Translated

Глобальний огляд глибокого навчання.

Bruno Charbonnier

Course:Advanced Deep Learning

Machine Translated

Вправи достатньо практичні і не потребують високих знань з Python .

Alexandre GIRARD

Course:Advanced Deep Learning

Machine Translated

Виконання вправ на реальних прикладах за допомогою епох. Італія повністю розуміла наші очікування щодо цього навчання.

Paul Kassis

Course:Advanced Deep Learning

Machine Translated

Суб'єкта. Здавалося цікавим, але я залишив знання не набагато більше, ніж раніше.

Radoslaw Labedzki

Course:Introduction to Deep Learning

Machine Translated

Мені подобалося, що цей курс мав дуже цікаву тематику.

Wojciech Wilk

Course:Introduction to Deep Learning

Machine Translated

Ми отримали набагато більше розуміння в питанні. Деякі цікаві дискусії були зроблені з деякими реальними предметами в нашій компанії.

Sebastiaan Holman

Course:Machine Learning and Deep Learning

Machine Translated

Навчання дало правильну основу, яка дозволяє нам далі розширюватися, показуючи, як теорія та практика йдуть рука об руку. Це насправді мене більше зацікавило цю тему, ніж я раніше.

Jean-Paul van Tillo

Course:Machine Learning and Deep Learning

Machine Translated

Мені дуже сподобався охоплення і глибину теми.

Anirban Basu

Course:Machine Learning and Deep Learning

Machine Translated

Глибокі знання тренера про тему.

Sebastian Görg

Course:Introduction to Deep Learning

Machine Translated

Дуже гнучким.