平台简介

深度学习应用与实训平台是为高职人工智能相关专业核心课程—《深度学习应用与实践》进行算法学习及应用实训的开放性平台。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。本应用实训平台主要解决《深度学习应用与实践》课程项目驱动式教学实践问题，真正培养学生熟悉主流深度学习开源框架、深度学习主要模型及应用、深度学习数据标注、深度学习数据训练、深度学习框架调参等实际应用能力。

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。

应用开发与实训案例

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。