深度学习框架Caffe学习与应用(第三期) 深度学习框架Caffe学习与应用(第三期)
所属分类:数据分析
  课程名 : 深度学习框架Caffe学习与应用(第三期)【已结课】 总学费/人 : ¥400 (固定学费:¥100, 逆向学费:¥300) 开课时间 : 2017-02-12 09:00:00 
开课老师 : luoyun


课程简介:
     随着深度学习技术在学术界和工业界得到广泛认可,越来越多的人开始参与到深度学习的相关研究和实践中来。然而,由于存在一定的技术门槛,快速入手深度学习的研究并不是一件容易的事情。其中的一个重要原因是,深度学习中的许多问题非常依赖于实践。然而长期以来,学术界和工业界缺少一款专门为深度学习而设计的,兼具性能、灵活性和扩展性等诸多优势于一身的开源框架。这使得无论是快速实现算法,还是复现他人的结论,都存在着实践上的困难。研究人员和工程师们迫切需要一套通用而高效的深度学习开源框架。
     2013年,一款叫作“Caffe”的深度学习框架由加州大学伯克利分校的贾扬清博士在Github上发布。发布伊始,Caffe框架就得到了广泛的关注。Caffe框架以“Layer层”为单位对深度神经网络的结构进行了高度的抽象,通过一些精巧的设计显著优化了执行效率,并且在保持高效实现的基础上不失灵活性。无论在结构、性能上,还是代码质量上,Caffe都是一款十分出色的开源框架。更重要的是,它将深度学习的每一个细节都原原本本地展现出来,供人们学习和实践。可以说,Caffe框架的发布极大地降低了深度学习研究和开发的难度。
     当前深度学习的计算框架除了Caffe还有很多,例如Torch、MxNet、TensorFlow、Theano等,而Caffe更擅长的是图像数据的深度学习处理,以及在开发之初就是以设计给科研人员实用为主,所以实用操作虽然不是最简便的,但是性能运算速度以及源码的设计都非常优秀,值得所有的“极客”们的学习。
     本课程从四个方面学习Caffe,分别是Caffe源码学习与介绍,Caffe使用与添加自定义Layer,自己动手写CNN框架以及案例应用,课程对深度学习的理论部分讲解不会很多,着重与Caffe框架的学习和实践,课程的宗旨是让同学们不仅可以学习并使用Caffe做深度学习的图像处理,还可以学习深度学习的程序实现,因此动手编程的部分较多,所以建议报名的同学是对编程有较大的热情。


课程大纲:
一. Caffe源码学习与介绍
     第1课 Caffe的介绍、安装和配置、Caffe的优点与局限性
     第2课 深入Caffe源码,Caffe目录结构,数据结构,Caffe模型(Blob,Layer,Net) 
     第3课 Caffe的I/O模块,Caffe前/后向传播计算,优化求解过程,Layer的四种类型

二. Caffe使用与添加自定义Layer
     第4课 使用Caffe已有的Layer层训练自己的数据集,编写Caffe实用工具
     第5课 使用自己训练的Caffe模型文件到代码中,参数优化策略与模型对比方法(一)
     第6课 使用自己训练的Caffe模型文件到代码中,参数优化策略与模型对比方法(二)
     第7课 编写自己的自定义Layer添加到Caffe中并使用

三. 自己动手写CNN框架
     第8课 编写属于自己的CNN框架(初级)
     第9课 编写属于自己的CNN框架(进阶)
     第10课 自己的CNN框架Caffe做对比,优化策略

四. 案例应用
     第11课 Caffe+OpenCV实现基于CPU下运行Caffe的优化
     第12课 利用Caffe训练代码实现R-CNN
     第13课 简介Caffe基于GPU的应用 


相关课程资料下载 DataGuru网络课程学习说明
书面作业及互动作业操作说明

 

GMT+8, 2017-6-24 15:09 , Processed in 0.071683 second(s), 28 queries .