小迈步之 MATLAB 助力深度学习系列讲座（二）：使用 App 构建网络并寻找最佳超参数

概览

深度学习是推动当前人工智能大趋势的关键技术。在 MATLAB 中可以实现深度学习的数据准备、网络设计、训练和部署全流程开发和应用。

在本场讲座中，我们将聚焦神经网络模型的建造。通过实例，学习如何简单快速地建造模型、调节参数、以及利用其他框架的模型。我们将通过具体示例，向您展示如何使用图形化的方式设计、分析和训练网络。我们还将看到如何在 MATLAB 中管理多个深度学习试验，跟踪训练参数，分析结果，并且比较不同的试验代码。最后，我们还将看到如何通过 ONNX 格式实现与 PyTorch 间的模型交换，利用在 PyTorch 中训练好的模型。

本场讲座包含以下亮点：

• 使用图形化 App 工具设计、分析和训练网络
• 使用图形化 App 工具管理深度学习试验、进行超参数调优
• MATLAB 与 PyTorch 模型交换

背景知识：

Deep Learning Toolbox™ 包含一系列算法、预训练模型和应用程序，为您设计和实现深度神经网络提供框架。您可以使用卷积神经网络 (ConvNet、CNN) 和长短期记忆 (LSTM) 网络，对图像、时间序列和文本数据执行分类和回归。

关于演示者

许悦伊，MathWorks 中国高校团队工程师，主要负责高校合作与教师的教学及科研工作。曾从事分子动力学仿真相关研究工作。大连理工大学化学工程专业本科，美国德州理工大学化学工程专业博士。