DLI 主题培训

在 11 月 20 日,我们将并行开展六个不同主题的系统化培训,每一主题培训包含三节实战课程,三节总时长为 8 小时。请确保购买含此培训资格的“DLI 主题培训”入场证,每位获得资格的学员可预选一个主题并锁定席位。各主题培训名额有限,敬请注册后即刻预约选课。详细的课程须知将在 11 月通过您的注册邮件发送给您,敬请关注。

课程内容

  • 深度学习基础 —— 计算机视觉 2.0

    预备知识:无

    框架:Caffe, DIGITS

    应用领域:所有行业

    培训时长:8小时 (包含使用云端完全配置的 GPU 加速工作站进行实验)

    培训证书:包含

    课程介绍

    通过一系列的动手实验,将深度学习技术应用到广泛的计算机视觉任务中。通过在云端完整配置的GPU加速工作站训练神经网络和部署,您将用到广泛采用的深度学习工具、框架和工作流程。

    以深度学习简介开始,您将练习构建和部署图像分类和目标检测的深度学习应用,修改应用来提高其准确性和性能,并最终运用所学的工作流程来完成一个项目。课程最后,您还将了解到创建您自己的的深度学习应用的资源建议。

    完成本课程后,您将能够了解深度学习的基本原理,并能够:

    • 实践常规的深度学习工作流程,例如图像分类和目标检测
    • 用数据、训练参数、网络结构和其他策略进行试验,以提升性能和能力
    • 在您的应用中集成和部署神经网络,以开始解决复杂的实际问题

    完成本课程后,您将能够利用深度学习来解决现实中的问题。

    项目名称 时间(分钟) 大纲 内容
    开篇介绍 45
    • 课程综述
    • 深度学习开篇
    介绍深度学习、应用场景和价值、关键术语,行业趋势以及挑战。
    课间休息 15
    解锁新技能 120
    • 深度神经网络的生物灵感
    • 用海量数据训练深度神经网络
    【 动手实验 】
    通过深度学习的三大要素—— 深度神经网络、海量数据和GPU,来训练神经网络实现图像分类。
    午间休息 50
    解锁新技能 40
    • 部署深度神经网络模型
    将训练过的神经网络从训练环境部署到实际应用中。
    总结 20
    • 总结所学要点
    回顾概念和实践经验。
    课间休息 15
    评估 60
    • 项目评估:训练和部署一个深度神经网络
    使用深度学习应用开发流程(加载 数据集、训练和部署模型)来解决一个新的问题,来验证您今日所学。
    下一步 15
    • 设置您自己的GPU环境
    • 更多建议和数据
    • 培训调查
    了解如何为您的项目设置GPU 环境。获取更多资源和建议,包括云、NVIDIA-docker和NVIDIA DIGITS。

    为何选择 NVIDIA 深度学习学院(DLI)的动手实践培训?

    • 学习如何在广泛的行业中构建深度学习和加速计算应用程序,如自动驾驶汽车、数字内容创作、游戏开发、医疗医学及金融。
    • 获得实践经验指导,使用最广泛采用和行业标准的软件、工具和框架。
    • 学习与行业领导者共同合作设计的课程内容,获取真知烁见,如洛杉矶儿童医院,梅奥诊所、普华永道等。
    • 获得 NVIDIA 深度学习学院的认证,证明在相关领域的能力专长,助力职业发展。
    • 随时随地访问云端完全配置的 GPU 加速工作站以进行动手实践。

    了解更多:www.nvidia.cn/DLI

    培训咨询:加 DLI 小助手,微信号 DLIChina

  • 深度学习 —— 使用自编码器创建数字内容

    预备知识:熟悉基本的深度学习概念(如CNN)及使用 python 编程的经验

    框架:TensorFlow、Torch

    应用领域:数字内容生成或游戏开发

    培训时长:8小时(包含使用云端完全配置的 GPU 加速工作站进行实验)

    培训证书:包含

    课程介绍

    通过一系列的动手实验,学习使用深度学习的方法设计、训练和部署神经网络生成数字内容。在云端,您将通过全GPU配置的加速工作站,利用广泛使用的深度学习工具、框架和工作流程,来训练神经网络。

    本课程将学习图像风格转换的技术和基于自编码器来提升图像质量的技术。您还将学习如何检测噪声、如何基于一些样本图像训练降噪器,将自己的照片生成绘画风格,图像降噪处理以及将低分辨率图像转化为高分辨率。

    完成本课程后,您将了解自编码器并能够:

    • 探索新的网络架构和技术来完成任意照片和视频风格的转换
    • 训练降噪器来渲染图像
    • 训练神经网络实现低分辨率图片生成高分辨率图像
    课程大纲:
    项目名称 时间 内容
    开篇综述 15 分钟 课程介绍和实验准备
    动手实验
    使用 Torch 实现图像风格迁移
    120 分钟 探索新的网络架构和技术来完成任意照片和视频风格的转换
    • 提取图像视觉特征并迁移到另一张图片
    • 通过多种手段验证特征是否迁移成功
    • 用新的网络架构和训练技术实现任意图像风格迁移
    午间休息 60 分钟
    动手实验
    基于自编码器实现图像超分辨率
    120 分钟 训练降噪器来渲染图像
    • 学习和设计自编码器
    • 训练和运行模型来将图像分辨率提高
    • 学习多种方法来精确测量画质
      课间休息 15 分钟
      动手实验
      使用自编码器实现渲染图像去噪
      120 分钟 训练神经网络将低分辨率图像生成高分辨率图像
      • 确定渲染的图像中是否存在噪点
      • 使用预训练的神经网络在图像中去噪
      • 使用提供的数据集训练降噪器
      课间休息 15 分钟
      总结评估 15 分钟 测试您对课程知识的掌握程度
      • 在线测试,回答三场实验相关的多个问题

      为何选择 NVIDIA 深度学习学院(DLI)的动手实践培训?

      • 学习如何在广泛的行业中构建深度学习和加速计算应用程序,如自动驾驶汽车、数字内容创作、游戏开发、医疗医学及金融。
      • 获得实践经验指导,使用最广泛采用和行业标准的软件、工具和框架。
      • 学习与行业领导者共同合作设计的课程内容,获取真知烁见,如洛杉矶儿童医院,梅奥诊所、普华永道等。
      • 获得 NVIDIA 深度学习学院的认证,证明在相关领域的能力专长,助力职业发展。
      • 随时随地访问云端完全配置的 GPU 加速工作站以进行动手实践。

      了解更多:www.nvidia.cn/DLI

      培训咨询:加 DLI 小助手,微信号 DLIChina

    • 深度学习 —— 游戏开发

      预备知识:  熟悉深度学习基本概念(如CNN)且有 Python 编程经验

      框架: Tensorflow、 Theano

      应用领域:游戏开发或数字内容生成         

      培训时长:8小时(包含使用云端完全配置的 GPU 加速工作站进行实验)

      培训证书:包含

      课程介绍

      通过本课程,您将了解多种将深度学习技术与游戏开发相融合的方法,并且可以:

      • 训练一个相位神经网络,对角色进行动作演算
      • 将一个域的输入图像转换成另一个域的输出图像
      • 训练一个深度强化学习代理来玩星际争霸2
      项目名称 时间 内容
      开篇综述 15 分钟 课程介绍和实验准备
      动手实验
      使用 CycleGAN 生成拟合图像
      120 分钟 将一个域的输入图像转换成另一个域的输出图像
      • 使用图像类比进行图像转换
      • 使用编码器、转换器和解码器创建自编码器架构
      • 使用 PatchGAN 判别器来完成生成对抗网络
        午间休息 60 分钟
        动手实验
        使用相位神经网络进行角色动作演算
        120 分钟 训练一个相位神经网络,对角色进行动作演算
        • 在不同的地形上保持平滑的动画效果
        • 使用动作捕捉数据来准备训练用数据
        • 训练一个高级的网络来理解动作的顺序,并将角色的动作分解成多个相位来平滑过渡
          课间休息 15 分钟
          动手实验
          在星际争霸 2 中构建深度强化学习代理
          120 分钟 训练一个深度强化学习代理来玩星际争霸 2
          • 在 Python 中,使用 DeepMind 星际争霸 2 学习环境(SC2LE)与游戏引擎进行通信
          • 实施深度强化学习算法,并在小游戏中逐步提升游戏难度来测试其有效性
            总结 15 分钟 回顾概念和实践要点

            为何选择 NVIDIA 深度学习学院(DLI)的动手实践培训?

            • 学习如何在广泛的行业中构建深度学习和加速计算应用程序,如自动驾驶汽车、数字内容创作、游戏开发、医疗医学及金融。
            • 获得实践经验指导,使用最广泛采用和行业标准的软件、工具和框架。
            • 学习与行业领导者共同合作设计的课程内容,获取真知烁见,如洛杉矶儿童医院,梅奥诊所、普华永道等。
            • 获得 NVIDIA 深度学习学院的认证,证明在相关领域的能力专长,助力职业发展。
            • 随时随地访问云端完全配置的 GPU 加速工作站以进行动手实践。

            了解更多:www.nvidia.cn/DLI

            培训咨询:加 DLI 小助手,微信号 DLIChina

          • 深度学习基础 —— 自然语言处理

            预备知识:神经网络和 Python 编程基础经验,熟悉语言学

            框架:TensorFlow、Keras

            应用领域:所有行业

            培训时长:8.5 小时(包含使用云端完整配置的 GPU 加速工作站进行实验)

            培训证书:包含

            课程介绍

            学习运用深度学习技术,通过一系列的动手实验,采用自然语言处理(NLP)来理解文本输入。通过在云端完整配置的GPU加速工作站训练神经网络,您将用到被广泛采用的深度学习工具、框架和工作流程。

            本课程包含训练神经网络对文本分类,建立一个语言风格模型来从给定的文本文档中提取特征,并用神经机器翻译模型将一种语言翻译成另一种语言。

            完成本课程后,您将了解:

            • 将文本转换成机器可理解的表示以及分类方法
            • 实践分布式表示(embedding)并理解其特性
            • 训练机器将一种语言翻译成另一种语言
            项目名称 时间(分钟) 内容
            自然语言处理综述 45 自然语言处理的挑战,以及如何用深度学习来应对这些挑战
            • 数据呈现对于计算机理解语言的重要性
            课间休息 15
            【 动手实验 】
            Word Embeddings
            120 基于 Word2Vec 算法,学习分布式数据呈现方法,如 word embedding。训练好的 embedding 可以用于解决文本分类等多种问题
            • 用于文本分类的 Word2Vec 算法
            午间休息 60
            【 动手实验 】
            文本分类
            120 使用文本分类找出一些未知文档的作者,然后运用文本分类模型来确定给定文本文档的正确作者。
            • 构建一个语言风格模型,利用 embedding 从给定的文本集合中提取特性
            课间休息 15
            【 动手实验 】
            文本翻译
            120 学习基本技能,将人类可读的文本转换成机器可读格式。我们将教导如何使用注意力机制来改善结果,尤其是长文本。
            • 创建一个神经网络机器翻译模型将文本从一种语言翻译成另一种语言
            总结 15
            • 回顾总结
            • 您可以如何构建和部署自己的应用

            为何选择 NVIDIA 深度学习学院(DLI)的动手实践培训?

            • 学习如何在广泛的行业中构建深度学习和加速计算应用程序,如自动驾驶汽车、数字内容创作、游戏开发、医疗医学及金融。
            • 获得实践经验指导,使用最广泛采用和行业标准的软件、工具和框架。
            • 学习与行业领导者共同合作设计的课程内容,获取真知烁见,如洛杉矶儿童医院,梅奥诊所、普华永道等。
            • 获得 NVIDIA 深度学习学院的认证,证明在相关领域的能力专长,助力职业发展。
            • 随时随地访问云端完全配置的 GPU 加速工作站以进行动手实践。

            了解更多:www.nvidia.cn/DLI

            培训咨询:加 DLI 小助手,微信号 DLIChina

          • 深度学习基础 —— 多数据类型

            预备知识:“深度学习基础——计算机视觉”课程或相关深度学习基础知识

            框架:TensorFlow

            应用领域:所有行业

            培训时长:8.5 小时(包含使用云端完全配置的 GPU 加速工作站进行实验)

            培训证书:包含

            课程介绍

            通过一系列的动手实验,将深度学习技术应用于涉及多种数据类型的一系列问题。通过在云端完整配置的 GPU 加速工作站训练神经网络,您将用到广泛采用的深度学习工具、框架和工作流程。

            以深度学习简介开始,您将练习构建图像分割、语句生成和给图像及视频添加说明,同时学习相关的计算机视觉、神经网络和自然语言处理概念。课程最后,您将能够看到深度学习可以解决广泛的问题。

            完成本课程后,您将能够了解深度学习的基本原理,并能够:

            • 实践常见的深度学习工作流程,例如图像分割和文本生成
            • 比较与对比数据类型、工作流程和框架
            • 将用深度学习方法的计算机视觉和自然语言处理结合起来,解决需要多种输入数据类型的复杂的实际问题
            项目名称 时间(分钟) 内容
            开篇综述 45 介绍深度学习、应用场景和价值、关键术语,行业趋势以及挑战。
            课间休息 15
            【 动手实验 】
            使用 TensorFlow 实现图像分割
            120 用 TensorBoard 和 TensorFlow Python API 等工具分割 MRI 影像,来评估心脏的部分。
            • 比较图像分割及其他计算机视觉问题
            • 练习使用TensorFlow工具
            • 实践评估模型性能的有效方法
            午间休息 60
            【 动手实验 】
            使用 TensorFlow 生成文字
            120 训练递归神经网络(RNN)来理解图像和文本,并使用 MSCOCO 数据集预测句子的下一个词语。
            • 介绍自然语言处理(NLP)和递归神经网络(RNN)
            • 从文本数据创建网络输入
            • 用新数据测试
            • 迭代以提高性能
            课间休息 15
            【 动手实验 】
            为图像和视频加标题
            120 以串联和(或)平均的方式,组合多个网络 (CNN 和 RNN)的输出来训练模型,实现从图像的原始像素数据生成图像描述。
            • 综合计算机视觉和自然语言处理来描述场景
            • 学习利用 CNN 和 RNN 的功能
            总结 15 回顾概念和实践要点

            为何选择 NVIDIA 深度学习学院(DLI)的动手实践培训?

            • 学习如何在广泛的行业中构建深度学习和加速计算应用程序,如自动驾驶汽车、数字内容创作、游戏开发、医疗医学及金融。
            • 获得实践经验指导,使用最广泛采用和行业标准的软件、工具和框架。
            • 学习与行业领导者共同合作设计的课程内容,获取真知烁见,如洛杉矶儿童医院,梅奥诊所、普华永道等。
            • 获得 NVIDIA 深度学习学院的认证,证明在相关领域的能力专长,助力职业发展。
            • 随时随地访问云端完全配置的 GPU 加速工作站以进行动手实践。

            了解更多:www.nvidia.cn/DLI

            培训咨询:加 DLI 小助手,微信号 DLIChina

          • 深度学习 —— 自动驾驶感知

            预备知识:CNN 相关经验

            框架:TensorFlow、DIGITS、TensorRT

            应用领域:汽车

            培训时长:8 小时(包含使用云端完全配置的 GPU 加速工作站进行实验)

            培训证书:包含

            课程介绍

            在本课程中,您将通过一系列的动手实验,使用 NVIDIA DRIVE 开发平台,学习应用深度学习技术来设计、训练和部署用于自动驾驶的深度神经网络。将学习如何:

            • 基于DriveWorks 软件栈集成传感器
            • 训练语义分割神经网络
            • 使用 TensorRT 优化、验证和部署经过训练的神经网络

            完成本课程后,您将能够使用 DRIVE PX2 创建和优化自动驾驶的感知组件。

            项目名称 时间(分钟) 内容
            DRIVE PX 综述 45 了解并学习 DRIVE 平台功能特性
            课间休息 15
            【 动手实验 】
            基于 DRIVE PX 构建自动驾驶汽车
            120 学习在自定义代码和应用程序中使用 DriveWorks
            • 在 DRIVE PX2 上基于传感器抽象层获取传感器数据
            • 通过工具和实验让车辆实现感知
            • 在自定义代码或应用程序中使用 DriveWorks
            午间休息 60
            【 动手实验 】
            为 DRIVE PX 训练语义分割网络
            120 学习应用 DRIVE PX2 的计算力以实现语义分割
            • 将一个现有的神经网络转换为一个全卷积网络
            • 在计算力一定的前提下,探索不同的设计方案
            • 训练一个语义分割神经网络
            课间休息 15
            【 动手实验 】
            使用 TensorRT 部署语义分割网络
            120 学习使用TensorRT来优化、验证和部署训练过的神经网络,让自动驾驶汽车实现推理
            • 使用 DRIVE PX2 进行推理性能分析
            • 用 giexe c或自定义应用来优化性能
            • 深入分析 INT8 校准工作流程
            总结 15
            • 回顾总结
            • 简单介绍构建和部署您自己的应用所需的资源

            为何选择 NVIDIA 深度学习学院(DLI)的动手实践培训?

            • 学习如何在广泛的行业中构建深度学习和加速计算应用程序,如自动驾驶汽车、数字内容创作、游戏开发、医疗医学及金融。
            • 获得实践经验指导,使用最广泛采用和行业标准的软件、工具和框架。
            • 学习与行业领导者共同合作设计的课程内容,获取真知烁见,如洛杉矶儿童医院,梅奥诊所、普华永道等。
            • 获得 NVIDIA 深度学习学院的认证,证明在相关领域的能力专长,助力职业发展。
            • 随时随地访问云端完全配置的 GPU 加速工作站以进行动手实践。

            了解更多:www.nvidia.cn/DLI

            培训咨询:加 DLI 小助手,微信号 DLIChina

          * 课程内容可能根据实际进行微调,以开课前最终公布的课表为准,请持续关注网站更新。

          除 DLI 主题培训外,欢迎了解 11 月 21 - 22 日的 DLI 迷你培训课程。