课程大纲

Torch简介

    与 NumPy 类似,但具有 CPU 和 GPU 实现 Torch在机器学习、计算机视觉、信号处理、并行处理、图像、视频、音频和网络中的应用

安装 Torch

    Linux、Windows、Mac Bitmapi 和 Docker

安装 Torch 软件包

    使用 LuaRocks 包管理器

为 Torch 选择 IDE

    ZeroBrane Studio(泽罗布兰一室公寓) Lua 的 Eclipse 插件

使用 Lua 脚本语言和 LuaJIT

    Lua 与 C/C++ 的集成 Lua 语法:数据类型、循环和条件、函数、函数、表和文件 I/O。 Torch 中的面向对象和序列化 编码练习

在 Torch 中加载数据集

    MNIST CIFAR-10、CIFAR-100 图像网

机器学习 Torch

    Deep Learning 手动特征提取与卷积网络
监督学习和无监督学习 使用 Torch 构建神经网络
  • N 维数组
  • 使用Torch进行图像分析
  • 镜像包 Tensor 库
  • 使用 REPL 解释器

      使用 Database

    网络和 Torch

    Torch 中的 GPU 支持

    集成 Torch

    C、Python等

    嵌入 Torch

      iOS 和 Android

    其他框架和库

      Facebook优化的深度学习模块和容器

    创建自己的包

      测试和调试

    发布应用程序

    人工智能的未来和 Torch

    总结和结论

    要求

    • Programming 任何语言的经验。
    • 对 C/C++ 的一般熟悉会有所帮助。
    • 对人工智能 (AI) 感兴趣。

    观众

    • 希望在其应用程序中启用 Machine 和 Deep Learning 的软件开发人员和程序员
     21 小时

    人数


    每位参与者的报价

    课程分类