在此實作坊中,你將學習如何訓練、加速和最佳化缺陷偵測分類器。首先,我們將探索在工業檢查、問題界定、資料統籌、探索和格式化的主要挑戰。接著,你將瞭解遷移學習、線上擴增、建模和微調的基本原理。在實作坊結束時,你將熟悉最佳化推論、效能評估和深度學習模型詮釋的重要概念。

學習目標


參加本實作坊可學會:
  • 制定工業檢查案例研究,並統籌自動化光學檢查(AOI)機器產生的資料集
  • 處理工業檢查工作流程中的邏輯與資料處理挑戰
  • 使用 Pandas DataFrame 和 NumPy 函式庫,從資料集中找出有意義的見解
  • 將遷移學習應用於深度學習分類模型(Inception v3)
  • 微調深度學習模型並設定評估指標
  • 使用 NVIDIA ® TensorRT™ 5 在 NVIDIA V100 Tensor 核心 GPU 上將經過訓練的 Inception v3 模型最佳化
  • 使用 V100 的 Tensor 核心對 FP16 半精度快速推論進行實驗

下載實作坊大綱與簡介 (PDF 83.3 KB)

實作坊大綱

概覽
(15 分鐘)
  • 認識講師。
  • 在 courses.nvidia.com/join 建立帳號
瞭解重要概念
(120 分鐘)
  • 瞭解視覺檢查的重要概念。
  • 瞭解問題處理與資料統籌。
休息時間 (60 分鐘)
遷移學習與建模
(120 分鐘)
  • 瞭解如何在遷移學習的程序中,訓練和驗證深度學習模型。
  • 獲得線上擴增的實作體驗,同時訓練如何節省資料集的硬碟儲存空間。
  • 深入瞭解微調模型的細微差別。
休息時間 (15 分鐘)
瞭解推論並解讀結果
(120 分鐘)
  • 專注於生產部署與最佳化。
  • 瞭解如何凍結經過訓練的深度學習模型,並運用 TensorRT 將模型最佳化。
  • 將最佳化模型的效能與原本的 TensorFlow-GPU 模型進行比較,並衡量改善狀況。
最後回顧
(15 分鐘)
  • 回顧主要學習內容並總結問題。
  • 完成測驗並取得認證。
  • 填寫實作坊調查問卷。
 

實作坊詳情

時間: 8 小時

價格: 如需瞭解價格,請聯絡我們。 

必備基礎能力: Python 與卷積神經網路(CNN)的學習經驗

技術: TensorFlow、NVIDIA TensorRT、Keras

認證證書: 完成測驗後,參與者將會收到 NVIDIA DLI 認證證書,證明他們具有相關主題的能力,支援其專業職涯成長。

硬體需求: 可運作最新版本 Chrome 或 Firefox 的桌上型電腦或筆記型電腦。每位參與者都能在雲端上使用專屬且全面設定完成的 GPU 加速伺服器。

教材語言: 英文、簡體中文繁體中文

Upcoming Workshops

若貴組織希望為員工提升 AI、加速運算、加速資料科學等的關鍵開發技能,歡迎申請由講師帶領的 NVIDIA DLI 實作坊。

需要任何協助?