平台简介

深度学习应用与开发平台是为大学本科人工智能核心课程—《神经网络与深度学习》进行算法学习实验及相关案例开发的开放性平台。深度学习平台包括：视觉系统、开源深度学习框架、样例程序、大量训练测试数据等。本应用开发平台主要解决《神经网络与深度学习》课程教学工程实践问题，真正培养学生具有基于《深度学习》专业知识的实践项目开发能力。

硬件参数
深度学习视觉系统：
1、200万像素智能相机。
2、包含1路麦克风和1路扬声器，1路音频输入和1路音频输出。
3、1/2.7”CMOS传感器。
4、最大图像尺寸：1920×1080。
5、RJ45以太网接口。
6、电源：DC12V/15W。
AI专用一体机：
双CPU：双核Denver 2 64位 CPU + 四核ARM Cortex-A57 MPCore
GPU：256核 Pascal GPU
内存：8GB 128位 LPDDR4内存
存储：32GB板载eMMC + 128G SSD
视频：视频编码-4Kx2K60Hz（HEVC）；视频解码-4Kx2K60Hz（12-bit support）
接口
（1）以太网：10/100/1000BASE-T自适应
（2）无线网卡：802.11ac WIFI + 蓝牙
（3）摄像头：12通道 MIPI CSI-2 D-PHY 1.2（30 Gbps）
（4）显示：HDMI 2.0 / eDP 1.4 / 2x DSI / 2x DP 1.2
（5）USB：USB 3.0 + USB 2.0（Micro USB，扩展至2路标准USB接口）
（6）其他：GPIO， I2C， I2S， SPI， UART
电源：DC19V 插孔
机箱：工控专用机箱
显示器：21寸HDIM接口LCD显示器
外设：键盘、鼠标一套
预装：预装ubantu 18.0以上操作系统

软件配置

1、TensorFlow软件及开发案例；

2、PyTorch软件及开发案例；

3、20个从入门到综合应用的深度学习开源案例；

4、5000个以上深度学习案例数据。

应用开发案例

1、人工神经网络与机器学习

     1.1 单层感知机MCP；

     1.2 多层感知机MLP；

     1.3 BP神经网络。

2、深度学习主要网络结构

     2.1 卷积神经网络及应用；

     2.2 循环神经网络及应用；

     2.3 残差网络及应用；

     2.4 生成对抗网络及应用。

3、深度学习开源框架

     3.1 基于TensorFlow框架的网络模型搭建；

     3.2 基于PyTorch框架的网络模型搭建。

4、深度学习在自然语音处理的应用

     4.1 中文分词与词性标注；

     4.2 句法分析与文本处理；

     4.3 机器翻译。

5、深度学习在图像处理的应用

     5.1 手写数字识别；     5.2   图像分类；

     5.3 目标检测识别；     5.4   人脸识别；

     5.5 图像生成。

6、深度学习在语音识别的应用

     6.1 语音识别模型；

     6.2 语音输入法；

     6.3 语音合成。