Seminar Torch

Einführung in Torch

• Wie NumPy, aber mit CPU- und GPU-Implementierung
• Verwendung von Torch in den Bereichen maschinelles Lernen, Computer Vision, Signalverarbeitung, Parallelverarbeitung, Bild, Video, Audio und Netzwerk

Installieren von Torch

• Linux, Windows, Mac
• Bitmapi und Docker

Installieren von Torch-Paketen

• Verwendung des LuaRocks-Paketmanagers

Auswählen einer IDE für Torch

• ZeroBrane Studio
• Eclipse-Plugin für Lua

Arbeiten mit der Lua Scripting Language und LuaJIT

• Die Integration von Lua mit C/C++
• Lua-Syntax: Datentypen, Schleifen und Konditionale, Funktionen, Funktionen, Tabellen und Datei-I/O.
• Objektorientierung und Serialisierung in Torch
• Coding-Übung

Laden eines Datensatzes in Torch

• MNIST
• CIFAR-10, CIFAR-100
• Imagenet

Maschinelles Lernen in Torch

• Tiefes Lernen
  • Manuelle Merkmalsextraktion vs. Faltungsnetzwerke
• Überwachtes und unüberwachtes Lernen
  • Aufbau eines neuronalen Netzes mit Torch
• N-dimensionale Arrays

Bildanalyse mit Torch

• Bild-Paket
• Die Tensor-Bibliothek

Arbeiten mit dem REPL-Interpreter

Arbeiten mit Datenbanken

Netzwerke und Torch

GPU-Unterstützung in Torch

Torch einbinden

• C, Python, und andere

Torch einbetten

• iOS und Android

Andere Frameworks und Bibliotheken

• Facebooks optimierte Deep-Learning-Module und Container

Eigenes Paket erstellen

Testen und Debuggen

Freigeben Ihrer Anwendung

Die Zukunft von KI und Torch

Wir schulen die jeweils letzte, verfügbare Version der Software in unseren Seminaren.