NVIDIA 深度學習學院

在 GPU云上的應用開發實踐培訓

湖南快乐十分

NVIDIA 深度學習學院 (DLI) 提供 AI 和加速計算方面的實踐培訓,以期解決實際應用方面的問題?;谠贫?GPU 平臺,開發者、數據科學家、研究人員和院校師生可以獲取和豐富相關的實踐經驗,并獲得培訓證書,為職業發展提供有力證明。

個人學習可以從“在線自主培訓”開始,團體或企業培訓可以從“講師指導的培訓班”開始學習。DLI 同時為大學師生提供更多的培訓資源和支持。

  • 個人學習

  • 團體培訓

  • 大學資源

對于個人、學生和少于20人的團體,建議從在線自主培訓開始,學習如何將深度學習應用到實際的項目中,和如何用CUDA和OpenACC加速應用。通過在云端GPU平臺上的動手實踐培訓,您將能夠獲得可用于工作中的實用技能,并獲得培訓證書。此外,您還可以查看和參加即將公開舉辦的DLI講師指導的培訓班。

在線自主培訓課程

隨時隨地訪問完全配置的GPU云服務器、按照課件中的詳細指導進行自主學習和動手實踐。您可以選擇8小時的課程來實施和部署端到端的應用項目,或者選擇2小時的課程來學習特定技術的應用。大多數8小時的課程含有培訓證書,可以助力您的職業發展。

提供認證證書

深度學習課程

深度學習——通用基礎

  • 深度學習基礎 —— 計算機視覺

    預備知識: 熟悉編程基礎知識,如函數和變量

    框架: Caffe,DIGITS

    Assessment Type: Code-based

    課程時長: 8 小時

    語言: 中文

    價格: 90 美元

    提供認證證書:學習完成后,通過在線測試,系統將自動發送證書

    通過訓練神經網絡和利用訓練成果提升性能和能力,探索深度學習的基礎原理。

    在本課程中,您將親手訓練和部署神經網絡,從而了解深度學習的基礎知識,將學習如何:

    • 實踐常規的深度學習工作流程,例如圖像分類和目標檢測
    • 用數據、訓練參數、網絡結構和其他策略進行試驗,以便提升性能和能力
    • 部署您的神經網絡來解決實際問題

    完成本課程后,您將能夠利用深度學習來解決現實中的問題。

  • 使用 Jetson Nano 開啟 AI 實踐

  • 使用 DIGITS 實現圖像分類

    預備知識:

    框架: Caffe (DIGITS 界面)

    課程時長: 2 小時

    語言: 中文

    價格: 30 美元

    深度學習提供全新的解決方案,用從示例中學習到的模型來替換手寫代碼指令。本課程將通過以下方式訓練深度神經網絡以識別手寫數字:

    • 將圖像數據加載到訓練環境
    • 選擇和訓練網絡
    • 用新數據進行測試并迭代以提高性能

    完成本課程后,您將能夠評估應該使用哪些數據進行訓練。

  • 使用 DIGITS 實現目標檢測

    預備知識: 神經網絡基礎知識經驗

    框架: Caffe (DIGITS 界面)

    課程時長: 2 小時

    語言: 中文

    價格: 30 美元

    通過檢測航空圖像中鯨魚的面部,來學習如何應用深度學習進行目標檢測。

    • 將傳統的計算機視覺與深度學習相結合
    • 基于深度學習框架Caffe對現有神經網絡結構進行修改
    • 通過使用專門構建的網絡和端到端標記的數據來掌握深度學習相關知識

    完成本課程后,您將能夠用深度學習來解決實際應用中的問題。

  • 使用 TensorRT 優化和部署 TensorFlow 模型

    預備知識: TensorFlow 和 Python 應用經驗

    框架: TensorFlow, Python, TensorRT (TF-TRT)

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    學習使用內置TensorRT庫(TF-TRT)和Python在TensorFlow平臺中生成高性能深度學習模型的基礎知識

    將探索:

    • 如何預處理分類模型,凍結圖和權值以進行優化
    • 熟悉使用 FP32、FP16 和 INT8 進行圖形優化和量化的基本原理
    • 使用 TF-TRT API 優化子圖并選擇最適合您的模型的優化參數
    • 在 ython 中設計和嵌入定制操作,以減少非支持層問題,并優化檢測模型

    完成本課程之后,您將了解如何利用 TF-TRT 來實現可部署的優化模型。

  • 使用 RAPIDS 加速數據科學工作流

    預備知識: 具有Pandas、NumPy和scikit-learn 高階技能

    框架:

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    通過開源 RAPIDS 項目,數據科學家可以用 GPU 對他們的數據科學和分析應用實現端到端的加速,突破傳統的僅基于 CPU 工作流的技術限制,并可以實現巨大的性能提升。通過以下課程,學習如何用GPU加速數據科學應用程序:

    • 使用關鍵的 RAPIDS 庫,如 cuDF(支持 GPU 的 Pandas 數據幀)和 cuML(GPU 加速的機器學習算法)
    • 學習基于 GPU 加速創建的快速迭代周期的端到端數據科學的技術和方法
    • 了解 CPU 驅動和 GPU 驅動的數據科學之間的關鍵差異,包括 API 特性和重構的最佳實踐

    完成本課程后,您將能夠重構現有的僅基于 CPU 的數據科學工作負載以實現在 GPU 上更快運行,并從零開始編寫加速的數據科學工作流程。

  • 使用 TensorFlow 實現圖像分割

    預備知識: 神經網絡基礎知識經驗

    框架: TensorFlow

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    圖像(或語義)分割是將圖像的每個像素放置到特定類中的任務。學習如何用核磁共振成像來測量心臟的部分:

    • 將圖像分割與其他計算機視覺問題進行比較
    • 練習使用 TensorFlow 工具,比如 TensorBoard 和 TensorFlow Python API
    • 學習評估模型性能的有效指標

    完成本課程后,您將能夠使用深度學習來建立大多數計算機視覺工作流程。

  • 使用 Microsoft Cognitive Toolkit 實現圖像分類

    預備知識:

    框架: Microsoft Cognitive Toolkit

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    學習使用 Microsoft Cognitive Toolkit 框架訓練神經網絡。 您將構建和訓練日益復雜的網絡:

    • 比較使用了 BrainScript 的 “Simple Network Builder” 與更通用的 “Network Builder” 的神經網絡
    • 可視化神經網絡圖
    • 訓練和測試神經網絡以對手寫數字進行分類

    完成本課程后,您將了解卷積神經網絡(CNN)的基本知識,并可以準備學習 Microsoft Cognitive Toolkit 的更高階技能。

  • 通過 TensorFlow 實現線性分類

    預備知識:

    框架: TensorFlow

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    學習使用 TensorFlow 的 TFLearn API 對結構化數據進行預測。通過對給定的人口普查數據預測個人收入,您將學習:

    • 從 CSV 中加載、查看和管理數據,用于機器學習
    • 將現有的數據集分成神經網絡的特征和標簽(輸入、輸出)
    • 從線性模型構建到深度模型,評估性能差異

    完成本課程后,您將能夠根據自己的結構化數據進行預測。

  • 使用 DIGITS 實現信號處理

    預備知識: 神經網絡基礎知識經驗

    框架: Caffe, DIGITS

    課程時長: 2 小時

    語言: 中文

    價格: 30 美元

    深度神經網絡比人類更擅長圖像分類,這一事實超出了我們對計算機視覺的通常認知。在此實驗中,您將把射頻 (RF) 信號轉換為圖像,以檢測被噪音破壞的弱信號。您將學習:

    • 如何像處理圖像數據一樣處理非圖像數據
    • 如何在 DIGITS 中實踐深度學習工作流程(加載、訓練、測試、調整)
    • 用編程方式測試性能并指導性能改進

    完成本課程后,您將能夠使用深度學習對圖像和類圖像數據進行分類。

深度學習——數字內容生成

  • 用TensorFlow 和 DIGITS支持的 GAN 生成圖像

    預備知識: CNN 基礎知識經驗

    框架: TensorFlow

    課程時長: 2 小時

    語言: 中文

    價格: 30 美元

    您將體驗如何在 DIGITS 的平臺下,訓練一個生成對抗網絡(GAN)來生成一個新的圖像內容。您將學到:

    • 利用生成對抗網絡(GAN)生成手寫體數字
    • 可視化特征空間并使用圖像的屬性向量,生成不同類別的圖像內容
    • 訓練生成式對抗網絡(GAN)根據設定的屬性來生成圖像

    完成本課程后,您將能夠使用 GAN 通過改變特征空間來生成圖像

  • 使用 Torch 實現圖像風格遷移

    預備知識: CNN 基礎知識經驗

    框架: Torch

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    學習通過提取視覺特征,將一張圖片的風格轉移到另一張圖片上。了解卷積神經網絡如何提取特征,以及如何利用這些特征生成一個新的圖片。您將學到:

    • 提取圖像視覺特征,并將這些特征遷移到另一張圖片
    • 通過多種手段驗證特征是否遷移成功
    • 利用這種新的架構和訓練技術,進行任意的圖像特征遷移

    完成本課程后,您將能夠使用神經網絡進行任意的特征遷移。這種快速的遷移技術,還可以應用到視頻中。

  • 使用自編碼器實現渲染圖像去噪

    預備知識: CNN 基礎知識經驗

    框架: TensorFlow

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    學習如何利用帶有自編碼器的神經網絡,來顯著提升光線追蹤圖像的降噪速度。在這堂課中,將學到:

    • 渲染的圖像中是否存在噪點
    • 使用預訓練的神經網絡或者您自己的網絡在圖像中去噪
    • 使用提供的數據集來訓練自己的降噪器

    完成本課程后,將能夠使用神經網絡中的自編碼器來訓練您自己的圖像渲染的降噪器。

  • 基于自編碼器實現圖像超分辨率

    預備知識: CNN 基礎知識經驗

    框架: Keras

    課程時長: 2 小時

    語言: 中文

    價格: 30 美元

    運用帶有自編碼器的神經網絡,將低畫質源圖像生成高畫質圖像。在本次課程中,您將:

    • 學習并設計自編碼器
    • 習精確測量畫質的各類方法

    完成實驗后,您將能夠使用自編碼器以大幅提升畫質。

深度學習——醫療醫學

  • 在 Keras 中通過時間遞歸神經網絡(RNN)為時間序列數據建模

    預備知識: 深度學習基礎知識

    框架: Keras

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    時間遞歸神經網絡(RNNs)允許模型基于時間序列數據做分類或預測任務,如自然語言處理、市場數據分析等等。在這個實驗室里會利用 RNN 來分析病人的長期健康狀況,通過這個實驗,您可以學習:

    • 基于 HDF5 的電子健康檔案數據來創建訓練和測試數據集
    • 預處理數據集用于作為 RNN 輸入,RNN 可以處理極其復雜的序列數據
    • 構建一個特殊的RNN架構——長短時記憶模型(LSTM),并利用基于 Theano 的 Keras 庫來評估模型性能

    完成本課程后,您可以使用RNN來構建基于時間序列數據的模型。

  • 使用 MedNIST 數據集進行醫學圖像分類

    預備知識: Python 應用經驗

    框架: PyTorch

    課程時長: 2 小時

    語言: 英文, 中文

    價格: 30 美元

    了解深度學習在放射學和醫學成像領域的應用介紹。 您將學習如何:

    • 收集、格式化和標準化醫學圖像數據
    • 在數據集上構建并訓練卷積神經網絡(CNN)
    • 使用已經訓練完的模型對新的醫學圖像進行分類

    完成本課程后,您將能夠應用 CNN 在醫學影像數據集中實現圖像分類。

  • 應用深度學習數據科學工作流在醫療領域

    預備知識: CNN 和Python 基礎知識經驗

    框架: PyTorch

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    醫學數據集對深度學習的應用提出了特殊的挑戰。 您將在本課程中學習:

    • 學習數據增強和標準化的基礎技術
    • 將這些技術用于簡單的醫學影像數據集
    • 通過在增強數據集上訓練卷積神經網絡來驗證您所掌握的技能

    完成本課程后,您將能夠將簡單的數據處理技術應用于您的醫學影像數據集。

  • 使用 DIGITS 實現醫學影像分割

    預備知識: CNN 和 Python 基礎知識

    框架: DIGITS, Caffe

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    圖像(或語義)分割是將圖像的每個像素放置到特定類中的任務。您將用核磁共振成像來測量心臟的部分:

    • 使用自定義 Python 層擴展 Caffe
    • 實施遷移學習流程
    • 根據熱門的圖像分類網絡創建全卷積神經網絡

    完成本課程后,您將能夠使用深度學習來建立大多數計算機視覺工作流程。

  • 使用 TensorFlow 實現圖像分類:放射組學 - 1p19q 染色體狀態分類

    預備知識: CNN 和 Python 基礎知識

    框架: TensorFlow

    課程時長: 2 小時

    語言: 中文

    價格: 30 美元

    在梅奧醫院應用這項技術后,我們發現使用深度學習技術從 MRI 影像中檢測放射組的方法已經為腦瘤患者提供了更有效的治療,并改善了他們的健康狀況。通過以下方法學習檢測 1p19q 聯合缺失生物標記:

    • 設計和訓練卷積神經網絡 (CNN)
    • 使用影像基因組 (Radiomics) 創建生物標記,無需使用侵入性活檢,即可找出疾病基因組
    • 探索梅奧醫院開展的放射基因組學研究工作

    完成本課程后,您將能夠以獨特視角去看待使用深度學習預測影像組所帶來的全新卓越成效。

  • 使用 R 和 MXNet 實現醫學影像分析

    預備知識: CNN 和 Python 基礎知識

    框架: MXNet

    課程時長: 2 小時

    語言: 中文

    價格: 30 美元

    卷積神經網絡 (CNN) 可用于醫學影像分析,以根據非視覺圖像推斷患者的病情。學習如何訓練 CNN ,根據 MRI 時間序列數據推理人類心臟左心室的容積。您將學習:

    • 擴展標準的 2D CNN 以應用于更復雜的數據中
    • 通過標準的 Python API 和 R 使用 MXNet
    • 處理可能為立體且擁有時間動態變化的高維度圖像

    完成本課程后,您將了解如何使用 CNN 處理非視覺圖像。

  • 使用 GAN 對醫學圖像進行數據集擴展與圖像分割

    預備知識: CNN 基礎知識經驗

    框架: TensorFlow

    課程時長: 2 小時

    語言: 中文

    價格: 30 美元

    生成式對抗網絡 (GAN) 是一對深度神經網絡,包括一個可基于所給數據創建新示例的生成器和一個試圖區分真實數據與模擬數據的判別器。由于這兩種網絡互相促進,因而創建的示例會越來越真實。這項技術在醫療保健領域具有十分廣闊的應用前景,因為它可以擴大較小的數據集,以便訓練傳統網絡。您將學習如何:

    • 生成合成的大腦 MRI 影像
    • 運用 GAN 進行圖像分割
    • 使用 GAN 進行數據增強以提高準確性

    完成本課程后,您將能夠在醫學成像用例中應用 GAN。

  • 將由粗到細的上下文記憶應用于醫學影像

    預備知識: CNN 基礎知識經驗

    框架: TensorFlow

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    由粗到細的上下文記憶 (CFCM) 是一項專為圖像分割開發的技術,該技術采用極深的網絡架構,并能通過卷積長短期記憶 (LSTM) 機制集成多種不同尺度的特征。您將能夠:

    • 深入了解用于醫學影像分割的編碼器-解碼器架構
    • 了解常見的構建組件(卷積、池化層和殘差網絡等)
    • 研究用于跳轉連接的不同策略

    完成本課程后,您將能夠在醫學影像分割和類似的成像任務中應用 CFCM 技術。

  • 使用 DragoNN 、 Keras 和 Theano 應用深度學習于基因組學

深度學習——智能視頻分析

  • 使用 TensorRT 實現智能視頻分析部署

    預備知識: Basic CNN 基礎知識經驗 and C++

    框架: TensorRT

    課程時長: 2 小時

    語言: 中文

    價格: 30 美元

    部署訓練好的神經網絡模型,從而對新的輸入進行推理,是一個重要的過程,TensorRT 是提高網絡推理性能的重要工具。在此課程中,您將:

    • 了解如何使用 giexec 來運行推理
    • 使用INT8精度的數據類型來優化推理
    • 利用 Plugins 的方法自定義網絡層

    完成本課程后,您將學會如何利用 TensorRT 來加速神經網絡的推理性能。

  • 使用 DeepStream 的智能視頻分析 AI 工作流

加速計算課程

  • 加速計算基礎 —— CUDA C/C++

    預備知識: 基本的 C/C++ 編程能力,包括熟悉變量類型、循環、條件語句、函數和數組操作。無需具備前期 CUDA 編程知識。

    Assessment Type: Code-based

    課程時長: 8 小時

    語言: 中文

    價格: 90 美元

    提供認證證書:學習完成后,通過在線測試,系統將自動發送證書

    CUDA 計算平臺能夠加速僅適用于 CPU 的應用程序,以在世界上最快的大規模并行 GPU 上運行。 通過以下方式體驗 C/C++應用加速:

    • 加速僅適用于 CPU 的應用程序在 GPU 上運行其潛在并行性
    • 利用基本的 CUDA 內存管理技術來優化加速應用程序
    • 揭示加速應用程序的并發潛力,并利用CUDA流進行開發
    • 利用命令行和可視化分析來指導和檢查

    完成本課程后,您將能夠使用最基本的 CUDA 工具和技術,加速和優化僅適用于 CPU 的 C/C++應用程序。您將了解 CUDA 開發的迭代風格,這將允許您快速發布加速應用程序。

  • 加速計算基礎 —— CUDA Python

  • 加速計算基礎 —— OpenACC

    預備知識: C/C++ 基礎知識經驗

    課程時長: 8 小時

    語言: 英文

    價格: 90 美元

    學習高級 GPU 編程語言 OpenACC 的基礎知識。本課程適合具有部分 C/C++ 經驗,且對加速應用程序性能以超越純 CPU 編程極限感興趣的任何人士。在本課程中,您將學習:

    • 使用 OpenACC 加速現有應用程序的簡單四步驟
    • 如何配置和優化您的 OpenACC 代碼庫
    • 如何將 OpenACC 與 MPI 相結合,以在多 GPU 系統上編程

    完成本課程后,您將能夠同時使用 OpenACC、CUDA-aware MPI 和 NVIDIA 配置工具,構建和優化多 GPU 集群上的加速異構應用程序。

  • 使用 CUDA C/C++ 加速應用程序

    預備知識: C/C++ 基礎知識經驗

    課程時長: 2 小時

    語言: 中文

    價格: 30 美元

    CUDA 計算平臺,能夠讓很多 CPU 程序并行化運行在 GPU 上,從而實現超乎想象的加速效果。本課程中,您將從以下幾方面學習如何加速 C/C++ 應用程序:

    • 學習如何并行化 CPU 程序,重構并使之運行在 GPU 上
    • 學習如何調度存儲空間來加速程序
    • 學些 CUDA 的線程層次,進一步提高程序的加速效果

    完成本課程后,您將能夠利用 CUDA 優化自己的 C/C++ 程序,并獲得巨大的性能提升。

  • OpenACC - 4個步驟實現2倍增速

    預備知識: C/C++ 基礎知識

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    了解如何使用 OpenACC 結合 NVIDIA GPU 的大規模并行計算能力,加速您的 C/C++ 或 Fortran 應用程序。OpenACC 是一種基于指令的計算方法,您只需要在代碼中插入編譯提示就可以加速您的程序,而不用自己編寫加速代碼。開始使用 OpenACC 加速應用程序的四步流程:

    • 描述并分析您的程序
    • 添加計算指令
    • 添加優化數據訪存指令
    • 通過內核調度優化您的程序

    完成本課程后,您就可以使用 profile-driven 方法,快速地利用 OpenACC 指令加速您的 C/C++ 程序。

  • 使用 CUDA C/C++ 優化 GPU 內存

    預備知識: CUDA C/C++ 基礎知識經驗或類似經驗

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    探索在 NVIDIA GPU 上使用 CUDA C / C ++ 進行編程的內存優化技術,以及如何使用 NVIDIA Visual Profiler(NVVP)來支持這些優化。 您將學習如何:

    • 實踐一個簡單的矩陣轉置算法
    • 使用 NVVP 執行幾個算法分析周期并優化其性能

    完成本課程后,您將了解如何分析和改進全局和共享內存訪問模式,以及如何優化 C / C ++ 的加速應用程序。

  • 使用 CUDA C/C++ 中的 GPU 加速庫加速應用程序

    預備知識: 使用 CUDA C/C++ 加速應用程序” 課程或類似經驗

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    學習如何使用 CUDA 優化庫加速您的 C/C++ 應用程序,從而實現對 NVIDIA GPU 大規模并行能力的利用。您將完成三個練習,包括如何:

    • 使用 cuBLAS 加速基本矩陣乘法
    • 通過向先前的 cuBLAS 調用添加一些 cuRAND API 調用來組合庫
    • 使用 nvprof 分析代碼并使用一些 CUDA Runtime API 調用進行優化

    完成本課程后,您將可以在現有的僅支持CPU的 C / C ++ 程序中,利用一些支持 CUDA 的庫來加速應用程序。

  • 使用 Thrust 加速 C++

    預備知識: 使用 CUDA C/C++ 加速應用程序” 或類似經驗

    課程時長: 2 小時

    語言: 英文

    價格: 30 美元

    Thrust 是一個基于C ++ 標準模板庫的并行算法庫。 它使開發人員能夠快速擁有并行計算的強大功效,并支持多個系統后端,如 OpenMP 和英特爾的 Threading Building Blocks。 使用 Thrust 通過以下練習來加速 C ++:

    • 基本迭代器,容器和函數
    • 內置和自定義函數
    • CPU 處理的可移植性

    完成本課程后,您將可以使用功能強大的 Thrust 庫來加速您的C / C ++ 應用程序。

合作伙伴的在線培訓

DLI與教育機構合作,為全世界的開發者提供深度學習培訓。

20 人或者更多的人員需要培訓時,我們建議通過“講師指導的培訓班”來學習。學習如何將深度學習應用到實際的項目中,和如何用 CUDA 和 OpenACC 加速應用。通過在云端 GPU 平臺上的動手實踐培訓,大家將能夠獲得可用于工作中的實用技能,并獲得培訓證書。此外,您也可以查看和參加即將公開舉辦的 DLI 講師指導的培訓班。

講師指導的培訓班

在您的企業組織內,DLI可以舉辦講師指導的培訓班,為開發者、數據科學家、研究人員和工程師團隊提供現場培訓。每個全天的培訓班,都將由DLI認證講師指導,包含講座、在云端GPU服務器上動手實踐,訓練和部署端到端的應用項目,并獲得培訓證書。

提供認證證書

深度學習課程

深度學習——通用基礎

  • 深度學習基礎 —— 計算機視覺

    預備知識: 熟悉編程基礎知識,如函數和變量

    框架: Caffe, DIGITS

    課程時長: 8小時

    語言: 中文

    提供認證證書:學習完成后,通過在線測試,系統將自動發送證書

    通過訓練神經網絡和利用訓練成果提升性能和能力,探索深度學習的基礎原理。 在本課程中,您將親手訓練和部署神經網絡,從而了解深度學習的基礎知識,將學習如何

    • 實踐常規的深度學習工作流程,例如圖像分類和目標檢測
    • 用數據、訓練參數、網絡結構和其他策略進行試驗,以便提升性能和能力
    • 部署您的神經網絡來解決實際問題

    完成本課程后,您將能夠利用深度學習來解決現實中的問題。

  • 深度學習基礎 —— 多數據類型

    預備知識: 熟悉基本的 Python(函數和變量)知識和具有訓練神經網絡的經驗

    框架: TensorFlow

    課程時長: 8小時

    語言: 英文, 中文, Japanese, Korean

    提供認證證書:學習完成后,通過在線測試,系統將自動發送證書

    本課程探討如何結合卷積和遞歸神經網絡,在圖像和視頻片段中生成有效的內容描述。 學習如何使用 TensorFlow 和 MSCOCO 數據集訓練網絡,通過以下方法從圖像和視頻中生成字幕:

    • 實踐深度學習工作流程,例如圖像分割和文本生成
    • 比較與對比數據類型、工作流程和框架
    • 將計算機視覺和自然語言處理結合運用

    完成本課程后,您將能夠解決需要多種類型數據輸入的深度學習問題。

  • 深度學習基礎 —— 自然語言處理

    預備知識: 神經網絡基礎知識和經驗

    框架: TensorFlow, Keras

    課程時長: 8小時

    語言: 中文

    提供培訓證書:學習完成后,通過在線測試,系統將自動發送證書

    學習用自然語言處理(NLP)來理解文本輸入的最新的深度學習技術。您將學習如何:

    • 將文本轉換成機器可理解的表示和分類方法
    • 實踐分布式表示(embedding)并理解其屬性
    • 訓練機器將一種語言翻譯成另一種語言

    完成本課程后,您將能夠熟練使用類似的應用程序進行自然語言處理。

  • 深度學習基礎 —— 用多 GPU 訓練神經網絡

    預備知識: 具備隨機梯度下降力學經驗

    框架: TensorFlow

    課程時長: 8小時

    語言: 中文

    提供認證證書:學習完成后,通過在線測試,系統將自動發送證書

    在驅動自動駕駛汽車等 AI 應用方面,人們對于深度神經網絡存在著巨大的計算需求。使用單個 GPU 進行的一個訓練周期需耗費數周時間,而對于自動駕駛汽車研究等領域所用的更大數據集,該周期甚至長達數年。使用多個 GPU 進行深度學習能夠顯著縮短訓練大量數據所需的時間,從而為深度學習中的復雜問題提供了可行的解決方案。

    本課程將教您如何使用多個 GPU 來訓練神經網絡。您將了解到:

    • 針對多 GPU 的訓練方法
    • 進行大規模訓練面臨的算法和工程挑戰
    • 克服上述挑戰所用的關鍵技術

    完成本課程后,您將能夠使用 TensorFlow 十分有效地并行訓練深度神經網絡。

深度學習——行業應用

  • 深度學習 —— 自動駕駛感知

    預備知識: CNN 基礎知識經驗

    框架: TensorFlow, DIGITS, TensorRT

    課程時長: 8小時

    語言: 中文

    提供認證證書:學習完成后,通過在線測試,系統將自動發送證書

    在本課程中,您將學習使用 NVIDIA DRIVE AGX 開發平臺,設計、訓練和部署用于自動駕駛的深度神經網絡。將學習如何:

    • 了解 DRIVE AGX 以及如何基于其來開發軟件
    • 訓練語義分割神經網絡
    • 如何在 DRIVE AGX上優化和和部署語義分割網絡

    完成本課程后,您將能夠使用 DRIVE AGX 創建和優化自動駕駛的感知組件。

  • 深度學習 —— 智能視頻分析

    預備知識: 深度網絡(尤其是 CNN 變體)相關經驗以及 C++ 和 python 中等編程經驗

    框架: TensorFlow, TensorRT, Caffe

    課程時長: 8小時

    語言: 英文

    提供認證證書:學習完成后,通過在線測試,系統將自動發送證書

    每天,超過10億臺攝像機拍攝到了幾乎世界各地的所有活動。 為了處理這些視頻源,我們需要先進的技術將其轉換為可執行的分析,涉及到識別,分類,分割,預測和推薦。您將學習如何:

    • 使用 TensorFlow 目標檢測 API 訓練和評估深度學習模型
    • 探索開發高質量神經網絡模型所涉及的策略和權衡,以跟蹤大規模視頻數據集中的移動目標
    • 使用 TensorRT 優化實時應用的推理時間

    完成本課程后,您將能夠部署目標檢測和跟蹤網絡,以處理大規模的實時視頻流。

  • 深度學習 —— 機器人

    預備知識: 基本熟悉深度神經網絡,Python 或類似語言基礎編程經驗

    框架: DIGITS

    課程時長: 8小時

    語言: 英文

    提供認證證書:學習完成后,通過在線測試,系統將自動發送證書

    AI 為各種行業的機器人技術帶來了變革性的加速和發展。本課程學習如何基于 NVIDIA Jetson 創建嵌入式應用的機器人解決方案。 您將學習如何:

    • 應用計算機視覺模型進行檢測
    • 修剪和優化嵌入式應用程序的模型
    • 訓練機器人根據視覺輸入實現正確地輸出

    完成本課程后,您將了解如何在機器人上部署高性能深度學習應用程序。

  • 深度學習 —— 使用自編碼器創建數字內容

    預備知識: 熟悉深度學習基本概念(如 CNN)且有 Python 編程經驗

    框架:TensorFlow, Torch

    課程時長: 8小時

    語言: 中文

    提供認證證書:學習完成后,通過在線測試,系統將自動發送證書

    探索用于數字內容創作的神經網絡的設計、訓練和部署的最新技術。您將學習:

    • 使用新的架構和技術來完成任意視頻風格的轉換
    • 訓練降噪器來渲染圖像
    • 以超分辨率技術來提高圖像質量

    完成本課程后,您就可以開始使用深度學習方法來創建數字資產。

  • 深度學習 —— 使用GAN創建數字內容

    預備知識: 熟悉深度學習基本概念(如CNN)且有 Python 編程經驗

    框架: Torch, TensorFlow

    課程時長: 8小時

    語言: 英文

    提供認證證書:學習完成后,通過在線測試,系統將自動發送證書

    探索用于數字內容生成的神經網絡的設計、訓練和部署的高級技能。您將學習如何:

    • 訓練生成對抗網絡(GAN)來生成圖像
    • 創建從一個主題到另一個主題的模擬圖像
    • 使用深度學習將文本轉換為圖像

    完成本課程后,您將能夠使用深度學習方法來創建數字資產。

  • 深度學習 —— 游戲開發

    預備知識: 熟悉深度學習基本概念(如CNN )且有 Python 編程經驗

    框架: TensorFlow, Theano

    課程時長: 8小時

    語言: 中文

    提供認證證書:學習完成后,通過在線測試,系統將自動發送證書

    通過本課程,您將了解多種將深度學習技術與游戲開發相融合的方法,并且可以:

    • 訓練一個相位神經網絡,對角色進行動作演算
    • 將一個域的輸入圖像轉換成另一個域的輸出圖像
    • 訓練一個深度強化學習代理來玩星際爭霸 2

    完成后,您將能夠理解將深度學習技術融入游戲開發的多種技術。

  • 深度學習 —— 醫學影像分析

    預備知識: 基本熟悉深度神經網絡、Python 或類似語言的基礎編程經驗

    框架: Caffe, DIGITS, R, MXNet, TensorFlow

    課程時長: 8小時

    語言: 中文

    提供認證證書:學習完成后,通過在線測試,系統將自動發送證書

    本動手實驗課程將探討如何在 MRI 掃描影像中應用卷積神經網絡 (CNN) 執行各種醫學任務和計算。您將學習如何:

    • 在 MRI 影像上進行圖像分割來定位左心室
    • 使用應用于 MRI 掃描的 CNN 測量心臟舒張和收縮之間的壓差來計算射血分數,從而檢測心臟疾病
    • 在 MRI 掃描中應用 CNN 來檢測 LGG 以確定 1p/19q 染色體的聯合缺失狀態

    完成本課程后,您將能夠在 MRI 掃描中應用 CNN 執行不同的醫療醫學任務。

  • 深度學習 —— 醫學基因組研究

    預備知識: 基本熟悉深度神經網絡、Python 或類似語言的基礎編程經驗

    框架: TensorFlow, Caffe, DIGITS, Theano, DragoNN

    課程時長: 8小時

    語言: 英文

    提供認證證書:學習完成后,通過在線測試,系統將自動發送證書

    本動手實驗課程將教授您如何應用深度學習檢測染色體的聯合缺失和在基因組序列中尋找基序。您將學習如何:

    • 理解卷積神經網絡 (CNN) 的基礎知識以及其工作原理
    • 在 MRI 掃描中應用 CNN 來檢測 LGG 以確定 1p/19q 染色體的聯合缺失狀態
    • 使用 DragoNN 工具包評估基因組學數據并尋找基序

    完成本課程后,您將理解 CNN 的工作原理,能夠使用 CNN 評估 MRI 影像,以及使用真實的調控基因組數據研究新的基序。

加速計算課程

  • 加速計算基礎 —— CUDA C/C++

    預備知識: 基本的 C/C++ 編程能力,包括熟悉變量類型、循環、條件語句、函數和數組操作。無需具備前期 CUDA 編程知識。

    課程時長: 8 小時

    語言: 中文

    提供認證證書:學習完成后,通過在線測試,系統將自動發送證書

    CUDA 計算平臺能夠加速僅適用于 CPU 的應用程序,以在世界上最快的大規模并行 GPU 上運行。 通過以下方式體驗 C/C++應用加速:

    • 加速僅適用于 CPU 的應用程序在 GPU 上運行其潛在并行性
    • 利用基本的 CUDA 內存管理技術來優化加速應用程序
    • 揭示加速應用程序的并發潛力,并利用CUDA流進行開發
    • 利用命令行和可視化分析來指導和檢查

    完成本課程后,您將能夠使用最基本的 CUDA 工具和技術,加速和優化僅適用于 CPU 的 C/C++應用程序。您將了解 CUDA 開發的迭代風格,這將允許您快速發布加速應用程序。