2018-08-10 21:24:30 PaddlePaddle 阅读数 54
  • 深度学习主流框架Caffe视频教程

    深度学习主流框架caffe上手实战是由韦玮老师推出的一期关于Caffe的上手的实战技术公开课,Caffe是目前一款主流的深度学习框架,课程主要通过实战让大家上手深度学习,并通过实战掌握深度学习框架Caffe的基本应用。

    9218 人正在学习 去看看 CSDN讲师

今天小PP为大家带来一款神器——EasyDL,轻松上手深度学习!


什么是EasyDL



EasyDL全称为Easy DeepLearning,是一款定制模型训练和服务的技术平台。使用时,根据页面文字提示进行四步简单操作,最快10分钟小伙伴们即可训练业务定制的深度学习模型啦~



怎么用EasyDL


目前,EasyDL已经开放图像分类、物体检测定制训练,未来还会陆续开放定制声音识别等能力。图像方面,EasyDL有非常多的应用场景,可以戳如下图片,扫描二维码了解详情↓

640?wx_fmt=jpeg640?wx_fmt=jpeg

640?wx_fmt=jpeg

640?wx_fmt=jpeg

640?wx_fmt=jpeg

640?wx_fmt=jpeg


话不多说,点击“阅读原文”一键开启轻松的深度学习之旅~



640?wx_fmt=png

2018-04-15 00:59:40 u011202093 阅读数 1974
  • 深度学习主流框架Caffe视频教程

    深度学习主流框架caffe上手实战是由韦玮老师推出的一期关于Caffe的上手的实战技术公开课,Caffe是目前一款主流的深度学习框架,课程主要通过实战让大家上手深度学习,并通过实战掌握深度学习框架Caffe的基本应用。

    9218 人正在学习 去看看 CSDN讲师

下载链接


https://pan.baidu.com/s/168SV4qP1_d2mjJvVwl-QWQ 密码:6666 


《Keras快速上手:基于Python的深度学习实战》系统地讲解了深度学习的基本知识、建模过程和应用,并以深度学习在推荐系统、图像识别、自然语言处理、文字生成和时间序列中的具体应用为案例,详细介绍了从工具准备、数据获取和处理到针对问题进行建模的整个过程和实践经验,是一本非常好的深度学习入门书。
不同于许多讲解深度学习的书籍,《Keras快速上手:基于Python的深度学习实战》以实用为导向,选择了 Keras 作为编程框架,强调简单、快速地设计模型,而不去纠缠底层代码,使得内容相当易于理解,读者可以在 CNTK、 TensorFlow 和 Theano 的后台之间随意切换,非常灵活。并且本书能帮助读者从高度抽象的角度去审视业务问题,达到事半功倍的效果。 [1] 

目录

编辑
1 准备深度学习的环境 1
1.1 硬件环境的搭建和配置选择 1
1.1.1 通用图形处理单元 3
1.1.2 你需要什么样的 GPU 加速卡 6
1.1.3 你的 GPU 需要多少内存 6
1.1.4 是否应该用多个 GPU 10
1.2 安装软件环境 12
1.2.1 所需软件列表 12
1.2.2 CUDA 的安装 13
1.2.3 Python 计算环境的安装 13
1.2.4 深度学习建模环境介绍 15
1.2.5 安装 CNTK 及对应的 Keras 17
1.2.6 安装 Theano 计算环境 23
1.2.7 安装 TensorFlow 计算环境 25
1.2.8 安装 cuDNN 和 CNMeM 27
2 数据收集与处理 28
2.1 网络爬虫 28
2.1.1 网络爬虫技术 29
2.1.2 构造自己的 Scrapy 爬虫 30
2.1.3 构造可接受参数的 Scrapy 爬虫 35
2.1.4 运行 Scrapy 爬虫 36
2.1.5 运行 Scrapy 爬虫的一些要点 38
2.2 大规模非结构化数据的存储和分析 40
2.2.1 ElasticSearch 介绍 42
2.2.2 ElasticSearch 应用实例 44
3 深度学习简介 57
3.1 概述 57
3.2 深度学习的统计学入门 58
3.3 一些基本概念的解释 61
3.3.1 深度学习中的函数类型 62
3.3.2 深度学习中的其他常见概念 65
3.4 梯度递减算法 67
3.5 后向传播算法 70
4 Keras 入门 72
4.1 Keras 简介 72
4.2 Keras 中的数据处理 73
4.2.1 文字预处理 74
4.2.2 序列数据预处理 82
4.2.3 图片数据输入 83
4.3 Keras 中的模型 83
4.4 Keras 中的重要对象 86
4.5 Keras 中的网络层构造 90
4.6 使用 Keras 进行奇异值矩阵分解 102
5 推荐系统 105
5.1 推荐系统简介 105
5.2 矩阵分解模型 108
5.3 深度神经网络模型 114
5.4 其他常用算法 117
5.5 评判模型指标 119
6 图像识别 121
6.1 图像识别入门 121
6.2 卷积神经网络的介绍 122
6.3 端到端的 MNIST 训练数字识别 127
6.4 利用 VGG16 网络进行字体识别 131
6.5 总结 135
7 自然语言情感分析 136
7.1 自然语言情感分析简介 136
7.2 文字情感分析建模 139
7.2.1 词嵌入技术 139
7.2.2 多层全连接神经网络训练情感分析 140
7.2.3 卷积神经网络训练情感分析 143
7.2.4 循环神经网络训练情感分析 144
7.3 总结 146
8 文字生成 147
8.1 文字生成和聊天机器人 147
8.2 基于检索的对话系统 148
8.3 基于深度学习的检索式对话系统 159
8.3.1 对话数据的构造 159
8.3.2 构造深度学习索引模型 162
8.4 基于文字生成的对话系统 166
8.5 总结 172
9 时间序列 173
9.1 时间序列简介 173
9.2 基本概念 174
9.3 时间序列模型预测准确度的衡量 178
9.4 时间序列数据示例 179
9.5 简要回顾 ARIMA 时间序列模型 181
9.6 循环神经网络与时间序列模型 186
9.7 应用案例 188
9.7.1 长江汉口月度流量时间序列模型 190
9.7.2 国际航空月度乘客数时间序列模型 203
9.8 总结 209
10 智能物联网 210
10.1 Azure 和 IoT 210
10.2 Azure IoT Hub 服务 213
10.3 使用 IoT Hub 管理设备概述 215
10.4 使用.NET 将模拟设备连接到 IoT 中心 218
10.5 机器学习应用实例 237
2016-09-28 15:54:59 csdngkk 阅读数 86
  • 深度学习主流框架Caffe视频教程

    深度学习主流框架caffe上手实战是由韦玮老师推出的一期关于Caffe的上手的实战技术公开课,Caffe是目前一款主流的深度学习框架,课程主要通过实战让大家上手深度学习,并通过实战掌握深度学习框架Caffe的基本应用。

    9218 人正在学习 去看看 CSDN讲师
深度学习主流框架Caffe上手实战—7513人已学习
课程介绍    

    深度学习主流框架caffe上手实战是由韦玮老师推出的一期关于Caffe的上手的实战技术公开课,Caffe是目前一款主流的深度学习框架,课程主要通过实战让大家上手深度学习,并通过实战掌握深度学习框架Caffe的基本应用。
课程收益
    主要包括深度学习主流框架Caffe概述、Caffe的安装与配置实战、MNIST数据集初识、Caffe上运行MNIST实战、Caffe目录结构详解、Caffe深入学习指导等内容。
讲师介绍
    CSDN公开课更多讲师课程
    CSDN线上公开课全掌握!
课程大纲
    1.深度学习主流框架Caffe快速上手实战(上)  36:34
    2.深度学习主流框架Caffe快速上手实战(下)  36:35
大家可以点击【查看详情】查看我的课程
2017-02-03 16:17:37 woshiliulei0 阅读数 723
  • 深度学习主流框架Caffe视频教程

    深度学习主流框架caffe上手实战是由韦玮老师推出的一期关于Caffe的上手的实战技术公开课,Caffe是目前一款主流的深度学习框架,课程主要通过实战让大家上手深度学习,并通过实战掌握深度学习框架Caffe的基本应用。

    9218 人正在学习 去看看 CSDN讲师

Q1:深度学习看上去很复杂,对于新手应该怎么去学,能不能推荐一些深度学习方面的书籍和流行的框架?

A1:深度学习的数学理论其实并不复杂,但是需要注意的细节太多了,我们需要大量的时间来消化理解各个概念,对于新手,我推荐先上手代码,再研究原理,目前的深度学习框架非常之多,包括TensorFlow, theano, lasagne, keras, sknn, no learn, caffe, mxnet, leaf, torch7, convnetjs等。tensorflow目前是github上最火的框架,我本人也是TensorFlow前20的contributor, 但是目前并不推荐新手直接使用Tensorflow,新手最简单易用的框架是keras,没有之一,可以先看上面的tutorial上手代码,理论方面,可以先学习MIT最新出的 Deep Learnign的书来学习,这一本作者包括深度学习三巨头Bengio 


对于90%以上的非结构化医学影像数据的认知分析一直是空白,原因在于涉及到大数据医学影像分析技术和电脑认知计算技术,技术门槛高,而基于认知技术正好弥补了这一技术空白,人工智能在医疗影像领域的商业价值是不容忽视的。据IBM提供的资料,在国外,早在2014年,IBM的“沃森医生”已经在美国安德森癌症中心(M.D. Anderson Cancer Center)上岗,已经被誉为“未来最好的癌症专家”和“医神”。据测算,沃森的诊断准确率达到73%。

作者:刘品杰
链接:https://www.zhihu.com/question/31381946/answer/140936920
来源:知乎
著作权归作者所有,转载请联系作者获得授权。

入门深度学习

阅读数 41

没有更多推荐了,返回首页