深度學習揭密：MATLAB最佳實務及影像篇 Demystifying Deep Learning: A Practical Approach in MATLAB
Abhijit Bhattacharjee / MathWorks Inc.
影片介紹
如果你是深度學習的入門者，想要知道怎麼把深度學習應用到日常工作中嗎?目前深度學習在許多類似人類行為的任務中，可以達到幾乎是頂級工藝的準確度，比如像是辨識畫面中物體名稱，或者在環境中辨認出光跡等等。
深度學習主要包含了：組裝大量的資料集、建立一個類神經網路、訓練、視覺化、評估不同的模型、使用特定的硬體(通常需要特殊程式編撰知識)等任務。這些任務通常因為其背後的複雜理論變得更有挑戰性。
在本段演講，我們將展示MATLAB如何簡化上述任務，並介紹可以減低您進行低階編程語言的新功能。藉此，我們將解碼深度學習領域的實用知識，再來建立並訓練神經網路來進行像是辨識手寫文字、分類畫面中的食物、分類訊號、及找出城市環境中的可駕駛區域等任務。
在過程中，你將看到MATLAB將以下任務變得更簡單了：
- 管理龐大的影像資料集
- 網路的視覺化，並從具有黑盒子特性的深度網路中獲得洞見
- 透過拖和放(drag-and-drop)介面，從草稿建立神經網路
- 執行圖片和訊號的分類，和在圖片上進行畫素層級(pixel-level)的語意分割(semantic segmentation)
- 從GoogLeNet和ResNet等網路匯入訓練資料集
- 從TensorFlow Keras、Caffe、以及ONNX Model 格式匯入模型
- 透過在電腦叢集的平行運算加速網路訓練
- 把需要大量人工作業的真實地面標記（ground truth labeling）變成自動化的工作
- 自動為嵌入式目標硬體產生開源程式碼