Deeplearning4j的介绍与实例分享 | 公开课

分享背景

▼

在主流的深度学习工具中，Deeplearning4j是为数不多以Java/JVM为基础，能与Apache Spark无缝结合，支持CPU/GPU集群分布式计算的开源框架。以上的诸多特性为深度学习应用在工业界的开发、部署、应用等各个环节提供了解决方案，同时也为大量希望转型AI的Java工程师提供了便利。因此，本次分享将介绍Deeplearning4j框架的构成、主要功能模块并结合实例讲述具体的使用方法。

分享主题

▼

基于Java的开源深度学习框架-Deeplearning4j的介绍与实例分享

分享提纲

▼

1. Deeplearning4j生态圈主要功能模块的介绍

2. Deeplearning4j单机/并行/分布式建模过程介绍

3. Deeplearning4j对迁移学习、强化学习的支持

4. 基于Fashion Mnist数据集的图像分类应用的开发、部署、上线实例

分享人简介

▼

万宫玺，苏州大学硕士，就职于苏宁易购搜索技术研发部，从事自然语言处理、机器视觉等领域的应用开发工作。熟悉诸如Deeplearning4j、Keras等开源深度学习框架。

分享时间

▼

北京时间11月30日（周四）20:00

参与方式

▼

扫描海报二维码添加社长微信，备注「万宫玺」

如何选择机器学习模型？

如何提高选择算法的能力？

对于算法能力应该从哪块开始抓起？

欢迎报名算法进阶课程

算法推导+实操

双倍告诉你

▼▼▼  

（不要等早鸟票过期了才后悔~）

公开课精彩往期回顾

复旦Ph.D沈志强：用于目标检测的DSOD模型（ICCV 2017）

极限元刘斌：深度学习在语音生成问题上的典型应用

搜狗文仕学：基于深度学习的语音分离

Video ++孙兆民：视频内容识别行业分析

悉尼科大王超岳：基于生成对抗网络的图像编辑方法

达观数据张健：文本分类方法和应用案例

清华Ph.D王书浩：基于深度学习的电商交易欺诈检测系统

Twitter工程师王东：详解YOLO2与YOLO9000目标检测系统

Kaggle比赛金牌团队：图像比赛的通用套路有哪些？

宜远智能刘凯：显著降低模型训练成本的主动增量学习

点击阅读原文，立即报名本场公开课

▼▼▼