深度學(xué)習(xí)光學(xué)設(shè)計(jì)專題

3.學(xué)習(xí)編譯器spyder的使用

4.Shell腳本的使用

第二節(jié)：Python基本操作

1.變量、數(shù)據(jù)類型、控制流

2.函數(shù)、文件操作

第三節(jié)：深度學(xué)習(xí)環(huán)境實(shí)踐

1.pytorch框架介紹

2.學(xué)習(xí)編譯器spyder的使用

3.Shell腳本的使用

第四節(jié)：簡單的深度學(xué)習(xí)網(wǎng)絡(luò)實(shí)操

1.學(xué)習(xí)深度學(xué)習(xí)網(wǎng)絡(luò)學(xué)習(xí)所需文件、運(yùn)行方式

2.了解數(shù)據(jù)集導(dǎo)入、了解網(wǎng)絡(luò)訓(xùn)練、了解網(wǎng)絡(luò)測試

第二天

第四章 最優(yōu)化理論基礎(chǔ)

第一節(jié)：引言與基礎(chǔ)概念

1.最優(yōu)化概述與定義

2.最優(yōu)化問題的分類與形式化表示

3.目標(biāo)函數(shù)與約束條件的基本概念

4.最優(yōu)解的定義與性質(zhì)

5.常見的最優(yōu)化應(yīng)用場景與實(shí)例 

6.稀疏理論及其分析

第二節(jié)：單變量最優(yōu)化方法及其編程（理論+實(shí)操）

1.單變量函數(shù)的最大值與最小值

2.黃金分割法與二分法

3.牛頓法與割線法

4.收斂性與收斂速度分析

5.實(shí)際問題中的應(yīng)用與限制

第三節(jié)：多變量無約束優(yōu)化及其編程（理論+實(shí)操）

1.多變量函數(shù)的最優(yōu)化問題

2.梯度下降法與共軛梯度法

3.牛頓法與擬牛頓法

4.收斂性與局部最優(yōu)解

5.凸優(yōu)化的基本理論與方法

第四節(jié)：多變量約束優(yōu)化（理論+實(shí)操）

1.等式約束與不等式約束的最優(yōu)化問題

2.拉格朗日乘子法

3.KKT條件與約束優(yōu)化的求解策略

4.內(nèi)點(diǎn)法與序列二次規(guī)劃方法

5.實(shí)際問題中的應(yīng)用與復(fù)雜性分析

第五節(jié)：典型最優(yōu)化方法

1.最小二乘法

2.ISTA方法

3.ADMM方法

4.方法編程實(shí)現(xiàn)（實(shí)操）

第三天

第五章 深度學(xué)習(xí)基礎(chǔ)

第一節(jié)：深度學(xué)習(xí)相關(guān)基礎(chǔ)

1.了解神經(jīng)網(wǎng)絡(luò)的基本原理

2.了解反向傳播和鏈?zhǔn)教荻扔?jì)算

第二節(jié)：主流神經(jīng)網(wǎng)絡(luò)構(gòu)型講解

1.典型卷積網(wǎng)絡(luò)介紹（ResNet、UNet）

2.Transformer

3.MLP

第三節(jié)：神經(jīng)網(wǎng)絡(luò)訓(xùn)練策略

1.全監(jiān)督

2.弱監(jiān)督（半監(jiān)督）

3.無監(jiān)督（自監(jiān)督）

4.遷移學(xué)習(xí)（蒸餾、域自適應(yīng)）

第四節(jié)：典型神經(jīng)網(wǎng)絡(luò)的搭建及訓(xùn)練（實(shí)操）

主要對(duì)ResNet、UNet等選一二作為例子，搭建全監(jiān)督、弱監(jiān)督、無監(jiān)督等訓(xùn)練模式，進(jìn)行實(shí)操

第四天

第六章 計(jì)算成像實(shí)踐

第一節(jié)：基于最優(yōu)化理論的計(jì)算成像設(shè)計(jì)（理論+實(shí)操）

（選取典型的計(jì)算成像示例，通過最優(yōu)化理論進(jìn)行計(jì)算重建）

1.目標(biāo)函數(shù)設(shè)計(jì)

2.優(yōu)化算法選擇

（選擇合適的優(yōu)化算法進(jìn)行目標(biāo)函數(shù)的求解，如梯度下降法、共軛梯度法、交替方向乘子法（ADMM）等）

3.噪聲處理與魯棒性增強(qiáng)

（在重建過程中考慮噪聲的影響，通過加入正則化項(xiàng)或魯棒優(yōu)化技術(shù)，提高算法的抗噪性和魯棒性）

3.實(shí)操示例

第二節(jié)：基于深度學(xué)習(xí)的計(jì)算成像設(shè)計(jì)（理論+實(shí)操）

（選取典型的計(jì)算成像示例，通過典型的神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算重建）

1.系統(tǒng)架構(gòu)設(shè)計(jì)和數(shù)據(jù)處理

2.深度學(xué)習(xí)模型設(shè)計(jì)及訓(xùn)練

3.算法優(yōu)化策略與實(shí)現(xiàn)

4.性能評(píng)估

第五天

第七章 新興深度神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)實(shí)戰(zhàn)（創(chuàng)新實(shí)踐）

第一節(jié)：最優(yōu)化理論的深度展開

1.最優(yōu)化理論和深度學(xué)習(xí)的碰撞

2.如何將最優(yōu)化方法展開成網(wǎng)絡(luò)

第二節(jié)：講解優(yōu)化理論的深度展開具體設(shè)計(jì)

1.了解迭代收縮閾值網(wǎng)絡(luò)論文大概

2.準(zhǔn)備和制作數(shù)據(jù)集，參數(shù)的介紹

3.了解迭代收縮閾值網(wǎng)絡(luò)的核心設(shè)計(jì)

第三節(jié)：如何從零開開始復(fù)現(xiàn)典型的迭代收縮閾值網(wǎng)絡(luò)

1.學(xué)習(xí)閱讀代碼中的readme文檔

2.了解代碼執(zhí)行的核心思想

3.介紹如何通過終端執(zhí)行命令

第四節(jié)：將構(gòu)建的迭代收縮閾值網(wǎng)絡(luò)應(yīng)用于無透鏡計(jì)算成像實(shí)戰(zhàn)

1.了解ImageNet數(shù)據(jù)集的基本內(nèi)容及數(shù)據(jù)集整理

2.如何訓(xùn)練面向無透鏡成像的新興深度神經(jīng)網(wǎng)絡(luò)

課程時(shí)間

深度學(xué)習(xí)光學(xué)設(shè)計(jì)

2024.08.12----2024.08.16（晚上19.00-22.00）

2024.08.19----2024.08.23（晚上19.00-22.00）

騰訊會(huì)議 線上授課（共五天課程 提供全程視頻回放）

深度學(xué)習(xí)計(jì)算光學(xué)成像：

2024.08.16-2024.08.17（上午9.00-11.30下午13.30-17.00）

2024.08.20-2024.08.21（晚上19.00.30-22.00）

2024.08.24-2024.08.25（上午9.00-11.30下午13.30-17.00）

騰訊會(huì)議 線上授課（共五天課程 提供全程視頻回放）

報(bào)名費(fèi)用

課程費(fèi)用：

深度學(xué)習(xí)光學(xué)設(shè)計(jì)、深度學(xué)習(xí)計(jì)算光學(xué)成像

每人每班4680元（包含會(huì)議費(fèi)、資料費(fèi)、提供課后全程回放資料）

報(bào)名優(yōu)惠：提前報(bào)名繳費(fèi)可享受300元早鳥價(jià)優(yōu)惠（僅限前十名）

團(tuán)報(bào)優(yōu)惠：同時(shí)報(bào)名兩門課程8880元

報(bào)名費(fèi)用可開具正規(guī)報(bào)銷發(fā)票及提供相關(guān)繳費(fèi)證明、邀請(qǐng)函，可提前開具報(bào)銷發(fā)票、文件用于報(bào)銷

聯(lián)系人：張老師

報(bào)名電話：13141346157 ( 微信同號(hào)）