平臺簡介

深度學習應用與開發平臺是為大學本科人工智能核心課程—《神經網絡與深度學習》進行算法學習實驗及相關案例開發的開放性平臺。深度學習平臺包括：視覺系統、開源深度學習框架、樣例程序、大量訓練測試數據等。本應用開發平臺主要解決《神經網絡與深度學習》課程教學工程實踐問題，真正培養學生具有基于《深度學習》專業知識的實踐項目開發能力。

硬件參數
深度學習視覺系統：
1、200萬像素智能相機。
2、包含1路麥克風和1路揚聲器，1路音頻輸入和1路音頻輸出。
3、1/2.7”CMOS傳感器。
4、最大圖像尺寸：1920×1080。
5、RJ45以太網接口。
6、電源：DC12V/15W。
AI專用一體機：
雙CPU：雙核Denver 2 64位 CPU + 四核ARM Cortex-A57 MPCore
GPU：256核 Pascal GPU
內存：8GB 128位 LPDDR4內存
存儲：32GB板載eMMC + 128G SSD
視頻：視頻編碼-4Kx2K60Hz（HEVC）；視頻解碼-4Kx2K60Hz（12-bit support）
接口
（1）以太網：10/100/1000BASE-T自適應
（2）無線網卡：802.11ac WIFI + 藍牙
（3）攝像頭：12通道 MIPI CSI-2 D-PHY 1.2（30 Gbps）
（4）顯示：HDMI 2.0 / eDP 1.4 / 2x DSI / 2x DP 1.2
（5）USB：USB 3.0 + USB 2.0（Micro USB，擴展至2路標準USB接口）
（6）其他：GPIO， I2C， I2S， SPI， UART
電源：DC19V 插孔
機箱：工控專用機箱
顯示器：21寸HDIM接口LCD顯示器
外設：鍵盤、鼠標一套
預裝：預裝ubantu 18.0以上操作系統

軟件配置

1、TensorFlow軟件及開發案例；

2、PyTorch軟件及開發案例；

3、20個從入門到綜合應用的深度學習開源案例；

4、5000個以上深度學習案例數據。

應用開發案例

1、人工神經網絡與機器學習

     1.1 單層感知機MCP；

     1.2 多層感知機MLP；

     1.3 BP神經網絡。

2、深度學習主要網絡結構

     2.1 卷積神經網絡及應用；

     2.2 循環神經網絡及應用；

     2.3 殘差網絡及應用；

     2.4 生成對抗網絡及應用。

3、深度學習開源框架

     3.1 基于TensorFlow框架的網絡模型搭建；

     3.2 基于PyTorch框架的網絡模型搭建。

4、深度學習在自然語音處理的應用

     4.1 中文分詞與詞性標注；

     4.2 句法分析與文本處理；

     4.3 機器翻譯。

5、深度學習在圖像處理的應用

     5.1 手寫數字識別；     5.2   圖像分類；

     5.3 目標檢測識別；     5.4   人臉識別；

     5.5 圖像生成。

6、深度學習在語音識別的應用

     6.1 語音識別模型；

     6.2 語音輸入法；

     6.3 語音合成。