【你将会学到】

• Caffe在windows下的安装编译
• Caffe mnist数据集分类
• Caffe 优化器
• Caffe的python接口安装，模型可视化
• Caffe特征图可视化
• GoogleNet实现图像识别
• 图像识别模型
• 迁移学习-Finetune
  
  

【课程内容】

• Caffe介绍
• Caffe在windows下的安装编译
• Caffe快速上手-mnist数据集分类(一)
• Caffe快速上手-mnist数据集分类(二)
• Caffe文件详解
• 各种优化器的介绍
• Caffe的python接口安装，以及模型可视化
• Caffe特征图可视化以及学习曲线可视化
• GoogleNet结构讲解，准备用GoogleNet实现图像识别
• 使用python接口调用GoogleNet实现图像识别
• Caffe在windows下GPU版本的安装
• 使用自己设计的网络训练自己的图像识别模型(一)
• 使用自己设计的网络训练自己的图像识别模型(二)
• 迁移学习-Finetune
• Snapshot以及课程总结
  
  

【授课形式】
线上录播

【课程说明】

本课程是在windows环境下的caffe课程，会从windows环境下的安装编译开始讲起，详细介绍如何使用caffe来训练以及使用深度学习模型，主要使用的是python的接口。课程的安排很清晰，首先带着大家安装CPU版本的caffe，然后快速带着大家完成一个MNIST手写数字识别的项目，让大家了解caffe训练模型的大致流程。然后会详细讲到到caffe中的一些重要文件和配置。之后会使用python接口来绘制网络结构图，特征平面图，loss曲线图和accuracy曲线图。
最后的部分会教大家使用GoogleNet实现图像识别。并详细讲解训练自己的图像识别模型的完整流程。从准备数据，制作标签，图片数据转换，修改网络模型文件，修改超参数文件讲起，一直到把模型训练好，然后通过python接口调用训练好的模型进行图像识别。以及使用迁移学习-Finetune的技术来训练我们的模型，还有snapshot的技术来恢复模型的训练。

【要求】
零基础即可上手

稳定的环境

【本课程包括】

15个课时
360分钟左右的线上录播课程

进入课程：《5天搞定深度学习框架-Caffe入门系列》
DA内容精选