今天参加了 NVIDIA DLI课程,主要学习基础理论,并进行实践。
课程中主要讲解了深度学习的基础知识和概念,介绍了全连接神经网络、CNN、RNN(LSTM)、迁移学习等(比较基础),并通过 JupyterLab 连接 GPU云服务器,使用Jupyter Notebook交互完成 Python 代码,完成了部分示例的编程练习。
(有课程的PPT,部分内容后有深入的介绍和链接资料,后续可再看,深入进行学习)
此外,还可下载docker镜像,在本地进行运行和部署:
DLI Deep Learning Fundamentals Course - Base Environment | NVIDIA NGChttps://catalog.ngc.nvidia.com/orgs/nvidia/containers/dli-dl-fundamentals(此处暂时未完成,后续进行完成)
记录课上几个无关紧要的点:
1.介绍了一个NLP的项目:
GitHub - fxsjy/jieba: 结巴中文分词https://github.com/fxsjy/jieba2.冯诺依曼结构:
3.代价函数
4.一个画图的项目
5.老师讲到,对于GPU浮点运算快于整形运算,对于CPU整形运算快于浮点运算。