人工智能、智能制造及工业4.0

product show

当前位置：首页>人工智能、智能制造及工业4.0

GPU机器学习开发套件

2020-04-07

一、硬件配置
1. GPU：NVIDIA Pascal，256颗CUDA核心，CUDA10.0
2. CPU：HMP Dual Denver 2/2 MB L2 + Quad ARM A57/2MB L2
3. 视频：4K x 2K 60Hz编码，4K x 2K 60HZ解码
4. 内存：8GB 128位LPDDR4，58.3GB/s
5. 显示接口：2个DSI，2个DP接口/HDMI接口/eDP接口
6. 数据存储：32GB emmc、SDIO、SATA
7.  I/O 扩展： HDMI2.0 Type A、RJ-45 for GbE、USB2.0、USB3.0
8. 千兆以太网，支持WiFi和蓝牙
9.摄像头：1080P，30FPS
10. 操作系统：Linux Ubuntu 16.04LTS
二、教学及软件资料
1.基础实验：
lab1：Jetpack4.2刷机
lab2：运行*个tensorflow实例
lab3：opencv基本用法（视频处理，滤镜，色彩空间，直方图，高斯模糊，边缘提取）
lab4：基于Open CV的人物识别算法
lab5：基于dlib 的人脸检测及画出轮廓算法
lab6：tensorflow/Keras基础
Lab7：opencv与dlib对比
lab8：Tensorflow MNIST识别
Lab9：卷积神经网络
2.实训案例：
实训一：自动抓取人脸检测系统实训
实训二：基于opencv（face_recognition）人脸识别实训
实训三：会议人脸识别
实训四：数字验证码识别
实训五：CIFAR-10图像识别
实训六：Kaggle 猫狗识别
实训七：情绪识别，检测实训
实训八：障碍物检测系统实训
实训九：可视化卷积操作实训
实训十：SSD-Tensorflow目标检测实训
实训十：语音指令识别系统实训
实训十一：车牌识别项目实训
实训十二：硬币分类，计数实训
实训十三：端到端语音识别
实训十四：简易语音识别系统实现
实训十五：YoLoV3目标检测
实训十六：Mask-RCNN目标检测
三、公共数据集      
提供猫狗、手势、中英文等10+个数据集，每个数据集包含1~5w张各类图片或文字。避免用户花费大量的时间来寻找和清洗数据，专注于学习和模型开发，可扩展