深度学习应用开发平台
2020-03-16
深度学习应用开发平台
一、 基本要求
深度学习应用开发平台是为大学本科人工智能核心课程——《深度学习》进行算法学习实验及相关案例开发的开放性平台。深度学习平台包括:深度学习服务器、计算机终端(选配)、相机、开源深度学习框架、样例程序、大量训练测试数据等。本应用开发平台主要解决《深度学习》课程教学工程实践问题,真正培养学生具有基于《深度学习》经验丰富知识的实践项目开发能力。
二、硬件配置
1. 服务器
1.1 机箱:5U塔式服务器;
1.2 CPU:Intel XEON 2.1G 16核处理器;
1.3 GPU:4个8G Telsa P4卡;
1.4 内存:128,主频2666内存;
1.5 硬盘:480G SSD+4T企业级硬盘;
1.6 显示器:21英寸。
2. 计算机终端
2.1 CPU:Intel i5处理器;
2.2 显卡:独立显卡,2G;
2.3 内存:8G;
2.4 硬盘:1T+128G SSD;
2.5 显示器:21英寸。
3. 深度学习视觉系统
3.1 200万像素智能相机;
3.2 包含1路麦克风和1路扬声器,1路音频输入和1路音频输出;
3.3 1/2.7”CMOS传感器;
3.4 较
大图像尺寸:1920×1080;
3.5 RJ45以太网接口;
3.6 电源:DC12V/15W。
三、软件配置
1. TensorFlow软件及开发案例;
2. PyTorch软件及开发案例;
3. ★提供20个从入门到综合应用的深度学习开源案例;
4. 提供5000个以上深度学习案例数据。
四、应用开发案例
1. 人工神经网络与机器学习
1.1 单层感知机MCP;
1.2 多层感知机MLP;
1.3 BP神经网络。
2. 深度学习主要网络结构
2.1 卷积神经网络及应用;
2.2 循环神经网络及应;
2.3 残差网络及应用;
2.4 生成对抗网络及应用。
3. 深度学习开源框架
3.7 基于TensorFlow框架的网络模型搭建;
3.8 基于PyTorch框架的网络模型搭建。
4. 深度学习在自然语音处理的应用
4.1 中文分词与词性标注;
4.2 句法分析与文本处理;
4.3 机器翻译。
5. 深度学习在图像处理的应用
5.1 手写数字识别;
5.2 图像分类;
5.3 目标检测识别;
5.4 人脸识别;
5.5 图像生成。
6. 深度学习在语音识别的应用
6.1 语音识别模型;
6.2 语音输入法;
6.3 语音合成。
四、配套教学资源
1. ▲配套提供与平台案例列表一致的《深度学习》教材;
2. ▲配套提供支持iOS和安卓APP、Web客户端等学习的互联网平台教学视频课程资源。
- 上一篇: 机器视觉技术开发与实验平台
- 下一篇: 人工智能与大数据应用实训平台