CUFE金融应用 ▌MATLAB深度学习之树莓派与GPU应用
浏览量
此外，我们知道深度学习在训练阶段常用 GPU 来加速，在推断阶段可以用 CPU、GPU、FPGA 等硬件实现。那在计算资源有限的树莓派（Raspberry Pi）上如何运行复杂的深度神经网络？对CUDA 代码一无所知，如何玩转NVIDIA GPU？
“MATLAB深度学习”，通过具体 MATLAB代码演示与操作，带领大家学习在树莓派 ARM CPU 和 NVIDIA GPU 上实现深度学习物品识别。
您将会学习如何将预训练网络自动生成 C++ 或者 CUDA 代码，跨越手写代码的障碍；
你还将学会如何使用 MATLAB 快速对树莓派编程；
我们将从如何下载和设置 MATLAB 对树莓派硬件的支持包开始，到如何使用网络摄像头给大家进行详细的讲解。
内容包括：
1. 课程准备篇
基于项目学习与有趣实例
树莓派、NVIDIA GPU 与 MATLAB 连接
自动售卖机实例：在 CPU 和 GPU 上运行深度神经网络，实现商品识别
2. 前期“深度学习入门”回顾
迁移学习的力量
轻量级 CNN 模型之 SqueezeNet
使用 GPU，训练新网络
3. 在树莓派上实现物品识别
MATLAB 嵌入式代码生成技术
将 SqueezeNet 生成 C++代码
构建基于 ARM Compute Library 的可执行程序
物品识别与效率评测
4. 在 NVIDIA GPU 上实现物体识别
连接 MATLAB 与网络摄像头
SqueezeNet 自动 CUDA 代码生成
实时图像捕捉与识别
单位名称：中央财经大学
地点：中央财经大学沙河校区（北京市昌平区沙河高教园区）
课程：本课程为期三天，向金融专业人士提供了对 MATLAB 科学计算环境的全面介绍。
介绍：整个课程介绍了数据分析、可视化、建模和编程等主题，重点讲解相关技术在金融领域的实际应用，如时间序列分析、蒙特卡罗模拟、投资组合管理、经验建模等。
要求 ：熟悉大学数学，有基本计算机操作经验。
• 从电子表格和其他来源导入数据
• MATLAB 中表示财务数据
• 处理日期和时间
• 使用高级线图可视化数据和结果
• 基于逻辑判准筛选大规模数据集
• 编写程序进行算法开发
• 执行数据分析、建模和仿真
• 生成报告并将数据导出到文件
上一页
上一页
