Kursplan
Introduksjon til Torch
- Som NumPy, men med CPU- og GPU-implementering Torchs bruk i maskinlæring, datasyn, signalbehandling, parallell prosessering, bilde, video, lyd og nettverk
Installerer Torch
- Linux, Windows, Mac Bitmapi og Docker
Installerer Torch pakker
- Ved å bruke LuaRocks-pakkebehandleren
Velge en IDE for Torch
- ZeroBrane Studio Eclipse-plugin for Lua
Arbeide med Lua Scripting Language og LuaJIT
- Luas integrasjon med C/C++ Lua-syntaks: datatyper, løkker og betingelser, funksjoner, funksjoner, tabeller og fil-i/o. Objektorientering og serialisering i Torch Kodeøvelse
Laster et datasett i Torch
- MNIST CIFAR-10, CIFAR-100 Imagenet
Maskinlæring i Torch
- Deep Learning Manuell funksjonsutvinning kontra konvolusjonelle nettverk
Arbeid med REPL-tolken
- Arbeid med Databases
Nettverk og Torch
GPU-støtte i Torch
Integrering Torch
C, Python og andre
Innebygging Torch
- iOS og Android
Andre rammer og biblioteker
- Facebooks optimaliserte dyplæringsmoduler og containere
Lag din egen pakke
- Testing og feilsøking
Slipp søknaden din
Fremtiden til AI og Torch
Oppsummering og konklusjon
Krav
- Programming erfaring på alle språk.
- En generell kjennskap til C/C++ hjelper.
- Interessert i kunstig intelligens (AI).
Publikum
- Programvareutviklere og programmerere som ønsker å aktivere Maskin og Deep Learning i sine applikasjoner
Testimonials (3)
En stor mengde praktisk kunnskap vist i eksempler fra det virkelige liv.
Kamil - Streamsoft Kraków
Kurs - Java Advanced
Machine Translated
Presse endringer fortløpende, da jeg den 3. dagen begynte å gå mer vill enn før og det var vanskeligere å oppdage feilen raskt, kunne jeg raskt sjekke ut de siste endringene og holde meg oppdatert med materialet
Paulina
Kurs - Advanced Java Security
Machine Translated
Very good knowledge and character.