This site requires Javascript in order to view all its content. Please enable Javascript in order to access all the functionality of this web site. Here are the instructions how to enable JavaScript in your web browser.

NVIDIA 深度学习学院

真实应用场景、实时GPU开发环境、全球培训证书

下载中文课程目录

NVIDIA 深度学习学院 (DLI) 提供 AI 、加速计算和加速数据科学方面的应用开发实战培训，以期解决实际应用方面的问题。基于云端完全配置的 GPU 平台，开发者、数据科学家、研究人员和院校师生可以快速获取和提升实践经验。IT 专业人员可以学习如何设计和管理基础架构，来支持企业内 AI、数据科学和高性能计算 (HPC) 工作负载。 NVIDIA DLI 配有全球统一的开发者培训证书，可以为您的职业发展提供有力证明。

个人学习可以从“在线自主培训”开始。团体或企业培训可以从“讲师指导的培训班”开始学习。DLI 同时为高校师生提供更多的培训资源和支持。

DLI 课程可以长期、多次、反复学习和实验。

在线自主培训
讲师指导的培训班
大学资源

对于个人、或少数人员规模的团队，可以从在线自主培训开始学习。通过在云端GPU平台上的动手实践培训，您将能够获得可用于工作中的实用技能，并获得培训证书。此外，您还可以查看和参加即将公开举办的DLI讲师指导的培训班。

在线自主培训课程

随时随地访问完全配置的GPU云服务器、按照课件中的详细指导进行自主学习和动手实践。您可以选择8小时的课程来实施和部署端到端的应用项目，或者选择2小时的课程来学习特定技术的应用。大多数8小时的课程含有培训证书，可以助力您的职业发展。

提供认证证书

深度学习课程

如果您刚开始接触深度学习，请从通用基础课程开始，学习如何训练和部署神经网络来解决实际问题。掌握这些深度学习的基本知识和经验，将有助于您学习更高阶、特定行业应用的 DLI 培训。

深度学习——通用基础

深度学习基础 —— 计算机视觉
开始学习

预备知识: 熟悉编程基础知识，如函数和变量

框架： Caffe，DIGITS

Assessment Type: Code-based

课程时长： 8 小时

语言: 中文

价格: 90 美元（可用“支付宝” 支付人民币）

提供认证证书：学习完成后，通过在线测试，系统将自动发送证书

通过训练神经网络和利用训练成果提升性能和能力，探索深度学习的基础原理。

在本课程中，您将亲手训练和部署神经网络，从而了解深度学习的基础知识，将学习如何：

实践常规的深度学习工作流程，如图像分类和目标检测

针对数据、训练参数、网络结构和其他策略进行试验，以提升神经网络的性能和功能

在应用程序中集成和部署神经网络

完成本课程后，您将能够利用深度学习来解决现实中的问题。
使用 Jetson Nano 开发 AI 应用
开始学习

预备知识: 基本了解 Python（有帮助但非必须条件）

工具、库、框架: PyTorch，Jetson Nano

课程时长: 8 小时

语言: 中文

价格: 免费

提供认证证书：学习完成后，通过在线测试，系统将自动发放证书

您想开发AI应用，但还不知道怎么做么？其实，这可以比您想象的要更加容易。无论是专业人士、研究人员还是学生和AI爱好者，NVIDIA 都可以提供不同的工具、灵感和指导。

Jetson Nano Developer Kit —— 这是一款易于使用且功能强大的迷你AI计算机，能够同时并行运行多个神经网络应用，例如图像分类，目标检测，分割和自然语言处理等。在本课程中，您将使用Jupyter iPython notebook，在自己的 Jetson Nano 上基于机器视觉模型来构建深度学习分类应用。

您将学习如何：

搭建您的Jetson Nano和摄像头

为分类模型收集图像数据

为回归模型标记图像数据

在您的数据上训练神经网络以创建您自己的模型

在Jetson Nano上使用您创建的模型进行推理

完成后，您将能够在 Jetson Nano 上创建自己的深度学习分类和回归模型。

所需的硬件：

NVIDIA Jetson Nano 开发套件

高性能microSD卡：容量最小32GB

5V 4A 2.1mm DC电源

2针跳线帽：安装到接近dc电源的2针底座上，以使能DC电源供电（默认USB供电）。

罗技C270 USB网络摄像头（可选相机：Raspberry Pi相机模块v2）

USB数据线：Micro-B to Type-A

可连网并能读写microSD卡的计算机设备
使用 TensorRT 优化和部署 TensorFlow 模型
开始学习

预备知识: TensorFlow 和 Python 应用经验

框架: TensorFlow, Python, TensorRT (TF-TRT)

课程时长: 2 小时

语言: 中文

价格: 30 美元（可用“支付宝” 支付人民币）

学习使用内置TensorRT库(TF-TRT)和Python在TensorFlow平台中生成高性能深度学习模型的基础知识

将探索:

如何预处理分类模型，冻结图和权值以进行优化

熟悉使用 FP32、FP16 和 INT8 进行图形优化和量化的基本原理

使用 TF-TRT API 优化子图并选择最适合您的模型的优化参数

在 ython 中设计和嵌入定制操作，以减少非支持层问题，并优化检测模型

完成本课程之后，您将了解如何利用 TF-TRT 来实现可部署的优化模型。
使用 Horovod 实现大规模深度学习
开始学习

预备知识:Python 编程能力和在 Python 中训练深度学习模型的专业经验

工具、库、框架: Horovod, TensorFlow2, Keras

框架: TensorFlow

课程时长: 2 小时

语言: 英文

价格: 30 美元

现代深度学习方法采用了规模越来越大的数据集和日益复杂的模型。这使得要想有效、快速地训练模型就需要超级强大的计算能力。在本课程中，您将学习如何使用Horovod（由Uber最初构建的开源分布式训练框架）将深度学习训练扩展到多个GPU。您将学到：

完成在Fashion-MNIST数据集上的分类模型的逐步重构，以使用Horovod并在四个NVIDIA V100 GPU上并行运行

了解Horovod 的MPI根源，并对并行编程主题(如多个workers、竞争条件和同步)建立直观的理解

使用学习率预热等技术，它们可以极大地影响分布式深度学习的性能

完成本课程后，您将能够使用Horovod在新的或现有的代码库中有效地扩展深度学习的模型训练。
使用 TensorFlow 实现图像分割
开始学习

预备知识: 神经网络基础知识经验

框架: TensorFlow

课程时长: 2 小时

语言: 英文

价格: 30 美元

图像（或语义）分割是将图像的每个像素放置到特定类中的任务。学习如何用核磁共振成像来测量心脏的部分：

将图像分割与其他计算机视觉问题进行比较

练习使用 TensorFlow 工具，比如 TensorBoard 和 TensorFlow Python API

学习评估模型性能的有效指标

完成本课程后，您将能够使用深度学习来建立大多数计算机视觉工作流程。
通过 Keras 用递归神经网络（RNN）为时间序列数据建模
开始学习

预备知识: Python 使用经验，并基本熟悉神经网络

工具、库和框架 Python, pandas, Keras

课程时长: 2 小时

语言: 英文

价格: 30 美元

递归神经网络（RNNs）允许模型对诸如自然语言、市场信息，或病人的长期健康等时间序列数据做分类或预测。在本课程中，您将用重症监护记录的数据来构建一个RNN模型，该模型提供实时的生存概率预测，以帮助医护人员做出重症监护治疗决策。您将学到：

使用电子健康档案数据来创建基于HDF5格式的训练和测试数据集

应用归一化、间隙填充和序列填充技术，来为RNN输入准备数据集

基于长短时记忆模型（LSTM）RNN架构，使用TensorFlow的高层接口Keras构建和训练一个模型，然后与传统基准模型比较此模型的性能

完成本课程后，您可以使用RNN来构建用于时间序列数据的模型。

深度学习——医疗医学

使用 MedNIST 数据集进行医学影像分类
开始学习

预备知识: Python 使用经验

工具、技术和框架: PyTorch, Python

课程时长: 2 小时

语言: 英文, 中文

价格: 30 美元（可用“支付宝”支付人民币）

探索如何将深度学习应用于放射学和医学影像领域。在本课程中，您将学习如何：

收集、格式化和标准化医学影像数据

构建和训练卷积神经网络（CNN）

学习数据增强基本技能

使用已经训练完的模型对新的医学影像进行分类

完成本课程后，您将能够应用 CNN 对医学影像数据集进行图像分类。
使用 TensorFlow 实现图像分类：放射组学 - 1p19q 染色体状态分类
开始学习

预备知识: CNN 和 Python 基础知识

框架: TensorFlow

课程时长: 2 小时

语言: 中文

价格: 30 美元（可用“支付宝”支付人民币）

在梅奥医院应用这项技术后，我们发现使用深度学习技术从 MRI 影像中检测放射组的方法已经为脑瘤患者提供了更有效的治疗，并改善了他们的健康状况。通过以下方法学习检测 1p19q 联合缺失生物标记：

设计和训练卷积神经网络 (CNN)

使用影像基因组 (Radiomics) 创建生物标记，无需使用侵入性活检，即可找出疾病基因组

探索梅奥医院开展的放射基因组学研究工作

完成本课程后，您将能够以独特视角去看待使用深度学习预测影像组所带来的全新卓越成效。
使用 GAN 对医学图像进行数据集扩展与图像分割
开始学习

预备知识: CNN 基础知识经验

框架: TensorFlow

课程时长: 2 小时

语言: 中文

价格: 30 美元（可用“支付宝”支付人民币）

生成式对抗网络 (GAN) 是一对深度神经网络，包括一个可基于所给数据创建新示例的生成器和一个试图区分真实数据与模拟数据的判别器。由于这两种网络互相促进，因而创建的示例会越来越真实。这项技术在医疗保健领域具有十分广阔的应用前景，因为它可以扩大较小的数据集，以便训练传统网络。您将学习如何：

生成合成的大脑 MRI 影像

运用 GAN 进行图像分割

使用 GAN 进行数据增强以提高准确性

完成本课程后，您将能够在医学成像用例中应用 GAN。
将由粗到细的上下文记忆应用于医学影像
开始学习

预备知识: CNN 基础知识经验

框架: TensorFlow

课程时长: 2 小时

语言: 英文

价格: 30 美元

由粗到细的上下文记忆 (CFCM) 是一项专为图像分割开发的技术，该技术采用极深的网络架构，并能通过卷积长短期记忆 (LSTM) 机制集成多种不同尺度的特征。您将能够：

深入了解用于医学影像分割的编码器-解码器架构

了解常见的构建组件（卷积、池化层和残差网络等）

研究用于跳转连接的不同策略

完成本课程后，您将能够在医学影像分割和类似的成像任务中应用 CFCM 技术。

深度学习——智能视频分析

使用 DeepStream 创建智能视频分析 AI 工作流
开始学习

预备知识:使用 C++ 和 Gstreamer 的经验

框架:DeepStream3

课程时长: 2 小时

语言: 中文

价格: 30 美元（可用“支付宝”支付人民币）

DeepStream 3.0框架具有独特的智能视频分析应用的硬件加速构建模块，开发人员从而可以专注于构建核心的深度学习网络。 DeepStream SDK支持各种应用场景，并在部署介质上具备很强的灵活性。您将学习如何：

为并行、多流视频处理部署 DeepStream，并交付具有最大处理能力的应用程序

调配处理机制并创建直观的、基于图形的应用程序，并利用多个深度网络模型处理视频流获得更多智能洞察

完成本课程后，您将了解如何使用DeepStream创建基于AI的视频分析应用程序，以将视频流转换为可用的洞察。
在 Jetson Nano 上用 DeepStream 实现视频分析
开始学习

预备知识: 熟悉 C

技术：DeepStream, TensorRT, Jetson Nano

课程时长: 8 小时

语言: 英文

价格: 免费

无论是用于识别自家的猫，还是优化顾客的购物体验，基于人工智能的视频理解可以带来深刻洞察力。NVIDIA Jetson Nano开发套件，这个易于使用且功能强大的计算机，可以并行运行多个神经网络。对于应用 NVIDIA DeepStream软件开发工具进行智能视频分析应用开发，Jetson Nano是一个很棒的平台。在本课程中，您将在Jetson Nano上使用JupyterLab notebooks来构建项目，通过深度学习视频分析从视频流中提取有意义的见解。

您将学习如何：

设置您的 Jetson Nano 和（可选的）摄像头

构建端到端的 DeepStream pipeline，将原始视频输入转换为具有洞察力的带注释的视频输出

同时配置多个视频流

完成本课程后，您将能够构建一个 DeepStream 应用程序来识别和分类汽车，并在拥挤的场景中统计人数。

所需的硬件：

NVIDIA Jetson Nano 开发套件

高性能microSD卡：容量最小32GB

5V 4A 2.1mm DC电源

2针跳线帽

USB数据线：Micro-B to Type-A

1台可以连接网络的电脑：能读写microSD卡，且可以自行安装媒体播放软件

可选的硬件

罗技C270 USB网络摄像头（经过测试，我们推荐使用这款）

有线互联网连接Jetson Nano

加速计算课程

加速计算基础 —— CUDA C/C++
开始学习

预备知识: 基本的 C/C++ 编程能力，包括熟悉变量类型、循环、条件语句、函数和数组操作。无需具备前期 CUDA 编程知识。

Assessment Type: Code-based

课程时长: 8 小时

语言: 中文

价格: 90 美元（可用“支付宝”支付人民币）

提供认证证书：学习完成后，通过在线测试，系统将自动发送证书

了解如何使用最基本的 CUDA 技术和 Nsight Systems 分析器加速和优化现有的仅靠 CPU 驱动的 C/C++ 应用程序，以利用 GPU 的强大功能。

加速仅适用于 CPU 的应用程序在 GPU 上运行其潜在并行性

利用基本的 CUDA 内存管理技术来优化加速应用程序

揭示加速应用程序的并发潜力，并利用CUDA流进行开发

利用命令行和可视化分析来指导和检查

完成本课程后，您将能够使用最基本的 CUDA 工具和技术，加速和优化仅适用于 CPU 的 C/C++应用程序。您将了解 CUDA 开发的迭代风格，这将允许您快速发布加速应用程序。
加速计算基础 —— CUDA Python
开始学习

预备知识: 基本的 Python 编程能力，包括熟悉变量类型、循环、条件语句、函数和数组操作。使用 NumPy 的能力，包括使用 ndarrays 和 ufuncs。

Assessment Type: Code-based

课程时长: 8 小时

语言: 中文

价格: 90 美元（可用“支付宝”支付人民币）

提供认证证书：学习完成后，通过在线测试，系统将自动发放证书

探讨如何使用 Numba（即时，专用类型的Python函数编译器）在 NVIDIA 大规模并行运算的 GPU 上加速 Python 应用程序。将学习如何：

使用 Numba 从NumPy ufuncs 编译 CUDA 内核

使用 Numba 创建和启动自定义 CUDA 内核

应用关键的GPU内存管理技术

完成本课程后，您将能够使用 Numba 编译并启动 CUDA 内核，以加速 NVIDIA GPU 上的 Python 应用程序。
通过 CUDA C++ 在多个 GPU 之间扩展工作负载（新！）
开始学习

学习构建可以利用单个节点上所有可用 GPU 的可靠且高效的 CUDA C++ 应用程序。

预备知识：能使用 CUDA C/C++ 编写应用程序

工具、库和框架：C，C++

课程时长：4 小时

语言：英语

价格：30 美元

培训证书：包含
通过并发流加速 CUDA C++ 应用程序（新！）
开始学习

学习构建可靠高效的 CUDA C ++ 应用程序，以利用复制/计算重叠执行来显著提高性能。

预备知识：能使用 CUDA C/C++ 编写应用程序

工具、库和框架：C，C++

课程时长：4 小时

语言：英语

价格：30 美元

培训证书：包含
加速计算基础 —— OpenACC
开始学习

预备知识: C/C++ 基础知识经验

课程时长: 8 小时

语言: 英文

价格: 90 美元

学习高级 GPU 编程语言 OpenACC 的基础知识。本课程适合具有部分 C/C++ 经验，且对加速应用程序性能以超越纯 CPU 编程极限感兴趣的任何人士。在本课程中，您将学习：

使用 OpenACC 加速现有应用程序的简单四步骤

如何配置和优化您的 OpenACC 代码库

如何将 OpenACC 与 MPI 相结合，以在多 GPU 系统上编程

完成本课程后，您将能够同时使用 OpenACC、CUDA-aware MPI 和 NVIDIA 配置工具，构建和优化多 GPU 集群上的加速异构应用程序。
使用容器实现高性能计算
开始学习

预备知识:熟练使用C / C ++编程，和专业的HPC应用开发经验

工具、库、框架: Docker, Singularity, HPC Container Maker (HPCCM)

课程时长: 2 小时

语言:英文

价格: 30 美元

学习使用容器化环境开发高性能计算（HPC）应用程序，降低代码的复杂性和可移植性，从而提高开发效率。您将：

探索构建和运行Docker和Singularity容器的基础知识

使用HPC Container Maker（HPCCM）以编程方式为应用程序配置复杂的、可移植的裸机HPC环境

应用先进的容器构建技术，如分层容器和多阶段构建

利用MPI Bandwidth和MILC等现有HPC应用程序的嵌入式容器版本

完成本课程后，您将能够快速构建和使用Docker，Singularity容器和HPCCM，以便在您的HPC应用程序中实现可移植的裸机性能。
OpenACC - 4个步骤实现2倍增速
开始学习

预备知识: C/C++ 基础知识

课程时长: 2 小时

语言: 英文

价格: 30 美元

了解如何使用 OpenACC 结合 NVIDIA GPU 的大规模并行计算能力，加速您的 C/C++ 或 Fortran 应用程序。OpenACC 是一种基于指令的计算方法，您只需要在代码中插入编译提示就可以加速您的程序，而不用自己编写加速代码。开始使用 OpenACC 加速应用程序的四步流程：

描述并分析您的程序

添加计算指令

添加优化数据访存指令

通过内核调度优化您的程序

完成本课程后，您就可以使用 profile-driven 方法，快速地利用 OpenACC 指令加速您的 C/C++ 程序。

加速数据科学课程

加速数据科学基础 —— RAPIDS
开始学习

预备知识: Python 使用经验，包含 Pandas 和 NumPy

课程时长: 8 小时

语言: 英文

价格: 90 美元

提供认证证书：学习完成后，通过在线测试，系统将自动发送证书

学习如何使用 RAPIDS 在大型数据集上执行多个分析任务，RAPIDS 是一套数据科学库，能够对数据科学工作流进行端到端的 GPU 加速。在本次课程中，您将学习：

使用 cuDF 和 Dask 直接在 GPU 上摄取和操作大量数据集

运用多种 GPU 加速的机器学习算法，包括 XGBoost、cuGRAPH 和 cuML，以执行大规模的数据分析

对大量数据集执行多重分析任务，以避免影响英国的模拟流行病爆发

完成本课程后，您将能够比以前更快地加载、操作和分析数量级的数据，支持更多的迭代周期，并极大地提高生产率。
使用 RAPIDS 加速数据科学工作流
开始学习

预备知识:具有 Pandas、NumPy 和 scikit-learn 高阶技能

框架: 无

课程时长: 2 小时

语言: 中文

价格: 30 美元（可用“支付宝”支付人民币）

通过开源 RAPIDS 项目，数据科学家可以用 GPU 对他们的数据科学和分析应用实现端到端的加速，突破传统的仅基于 CPU 工作流的技术限制，并可以实现巨大的性能提升。通过以下课程，学习如何用GPU加速数据科学应用程序：

使用关键的 RAPIDS 库，如 cuDF（支持GPU的Pandas数据帧）和 cuML（GPU 加速的机器学习算法）

学习基于 GPU 加速创建的快速迭代周期的端到端数据科学的技术和方法

了解 CPU 驱动和 GPU 驱动的数据科学之间的关键差异，包括API特性和重构的最佳实践

完成本课程后，您将能够重构现有的仅基于 CPU 的数据科学工作负载以实现在 GPU 上更快运行，并从零开始编写加速的数据科学工作流程。

IT 课程

如何在数据中心实现AI
开始学习

预备知识:基本的网络、存储和数据中心运营知识

相关技术:人工智能、机器学习、深度学习、GPU硬件和软件

课程时长: 4 小时

语言: 英文

价格:30 美元

本课程为传统IT人员打造，将探索 AI、GPU 计算、NVIDIA AI 软件体系结构，以及如何在数据中心实现和扩展 AI 工作负载。您将学习：

AI 在多行业的应用场景，如医疗、自动驾驶和数据中心优化

AI基本概念，如机器学习、深度学习、推理和训练

GPU 历史和架构，以及 GPU 和 CPU 的区别

NVIDIA AI 软件架构，包括框架和容器库

硬件和设施规划，包括服务器、网络、存储、管理、电源和散热

完成本课程后，您将了解AI如何改变社会，以及如何将 GPU 计算部署到数据中心以实现这种转型。

InfiniBand 专业在线培训和认证

RDMA 编程基本原理

使用 Cumulus Linux 管理 Mellanox 交换机

使用 Mellanox ONYX 进行端到端网络管理

合作伙伴的在线培训

DLI与教育机构合作，为全世界的开发者提供深度学习培训。

使用 MATLAB 做深度学习

对于一定人员规模的团队、或者希望获取讲师指导的个人，我们推荐您参加由DLI认证讲师教授的培训班。可以选择为您的成员单独开设实时在现场或者在线上的培训班，参加 NVIDIA 年度GTC 大会期间的DLI培训，或者加入由 NVIDIA DLI 认证合作伙伴组织的培训班。通过在云端完全配置的GPU服务器上完成实战型学习，您将能够获得工作或项目中所需的实用技能，并得到 NVIDIA 全球开发者培训证书。

申请举办培训班

提供认证证书

深度学习课程

深度学习——通用基础

深度学习基础——理论与实践入门（新！）
咨询和购买课程

预备知识: 理解 Python 中的基础编程概念，如函数、循环、字典和数组

工具、库和框架: Tensorflow、Keras、Pandas、Numpy

课程时长： 8小时

语言: 中文

培训证书：包含

全球企业正在应用人工智能 (AI) 解决所面临的巨大挑战。医疗专业人员应用 AI 为病人提供更准确、更快速的诊断。零售企业应用 AI 提供个性化的客户购物体验。汽车制造商应用 AI 让私家车、共享出行和运输服务更加安全和高效。深度学习技术，通过多层人工神经网络精准地完成目标检测、语音识别和语言翻译等任务，是实现 AI 的强效方法。即便是那些让软件编写专家都觉得过于复杂和无从下手的数据，计算机都可以通过深度学习方法来从这些数据中学习和识别模式。

在此课程中，通过动手实践练习，您将学到深度学习在计算机视觉和自然语言处理中的工作原理。您将从零开始训练深度学习模型，运用相关工具和技巧，来获得高精确度的结果。您还将学习使用免费的、先进的经过训练的模型，来大幅节省时间，快速实现深度学习应用。

学习此课程，您将能够：

学会训练深度学习模型所需的基础技能和工具

了解常见的深度学习数据类型和模型架构

通过数据增强优化数据集，提高模型精准度

通过模型间的迁移学习，用较少的数据和计算量获得高效的结果

利用先进的深度学习框架自信地运作自己的项目
深度学习 —— 构建智能推荐系统（新！）
咨询和购买课程

预备知识: 具有 Python 中级知识基础，包括了解 list comprehension，具备使用 Python 的数据科学经验，熟悉 NumPy 和矩阵数学

工具、库和框架： CuDF 、 CuPy 、 TensorFlow 2 和 NVIDIA Triton™ 推理服务器

课程时长： 8小时

语言: 英文

培训证书：包含

在零售、娱乐、医疗、金融和其他诸多行业中，基于深度学习的推荐系统是实现个性化在线体验和有效决策的秘诀。

推荐系统的运作方式在于通过理解众多人之前的决定和其他特征，来找出用户偏好。例如，推荐系统可以根据用户的实际观影记录以及能够看懂的语种，帮助流媒体服务商了解用户偏好的电影类型。训练神经网络来泛化海量数据，快速为类似的用户和情景提供具体的建议，需要进行大量的计算。使用 GPU 可显著加速这一过程。如果企业希望提供更好的用户体验、与客户进行更深入的沟通互动，以及进行更明智的决策，则可以通过使用合理设计和训练的推荐系统来实现巨大的价值。

此课程涵盖构建高效推荐系统所需的基础工具和技巧，以及如何为实时推荐系统部署 GPU 加速的解决方案。
学习此课程，您将能够：

使用开源 cuDF 库和 Apache Arrow 构建基于内容的推荐系统

使用交替最小二乘法 (ALS) 和 CuPy 构造协作过滤推荐系统

使用 TensorFlow 2 设计 Wide & Deep 神经网络，打造混合推荐系统

使用大型稀疏数据集优化训练和推理性能

为高性能网络服务部署推荐模型
深度学习基础 —— 构建基于 Transformer 的自然语言处理应用（新！）
咨询和购买课程

预备知识: 具备 Python 编码和使用库函数与参数的经验，具备对深度学习框架（如 TensorFlow、PyTorch 或 Keras）的基本理解，具备对神经网络的基本了解

工具、库和框架： PyTorch, pandas, NVIDIA NeMo™, NVIDIA Triton™ 推理服务器

课程时长： 8小时

语言: 中文

培训证书: 包含

在过去的十年中，自然语言处理(NLP)的应用爆炸式增长。随着人工智能助手的大量出现，以及企业将更多的人机交互体验融入到业务中，理解如何使用 NLP 技术来操作、分析和生成基于文本的数据是至关重要的。现代技术可以像人类一样，捕捉语言的细微差别、使用情境和复杂程度。如果设计正确得当，开发人员可以使用这些技术来构建强大的 NLP 应用，在聊天机器人、AI 语音代理等众多程序中实现自然顺畅的人机交互。

深度学习模型在 NLP 中得到了广泛的应用，因为它们能够对众多语境和语言进行准确的概括。基于Transformer的模型，比如BERT(Bidirectional Encoder Representations from Transformers)，在问答系统的SQuAD指标、实体识别、意图识别、情感分析等方面实现了与人类基准相媲美的准确率，推动了NLP产生革命性的进展。NVIDIA 提供的软件和硬件可帮助您快速构建卓越的 NLP 模型。您可以通过混合精度训练将训练过程加速至 4.5 倍，并可在不影响准确性的情况下，轻松将性能扩展到跨多个服务器节点的多个 GPU 上。

在此课程中，您将学习如何使用基于 Transformer 的自然语言处理模型完成文本分类任务（如文档归类）和命名实体识别 (NER) 任务，以及如何分析各种模型特性、限制和特点，从而基于衡量标准和应用领域来为特定用例选定最适合的模型。
学习此课程，您将能够：

了解NLP 文本嵌入任务的快速演进，如 Word2Vec、基于递归神经网络 (RNN) 的嵌入和 Transformer

在不使用 RNN 的情况下，如何利用 Transformer 架构特点（尤其是自注意力机制）创建语言模型

使用自监督机制优化 BERT、Megatron 和其他变体中的 Transformer 架构，以取得更好的 NLP 结果

利用经过预训练的现代 NLP 模型来完成多个任务，如文本分类、NER 和问答系统

管理推理挑战，以及为实时应用部署经过优化的模型
深度学习基础 —— 用多 GPU 训练神经网络（2020升级版）
咨询和购买课程

预备知识: 具有训练梯度下降模型的经验

技术: Tensorflow，Keras, Horovod

课程时长： 8小时

语言: 中文

提供认证证书：学习完成后，通过在线测试，系统将自动发送证书

在驱动自动驾驶汽车等 AI 应用方面，人们对于深度神经网络存在着巨大的计算需求。使用单个 GPU 进行的一个训练周期需耗费数周时间，而对于自动驾驶汽车研究等领域所用的更大数据集，该周期甚至长达数年。使用多个 GPU 进行深度学习能够显著缩短训练大量数据所需的时间，从而为深度学习中的复杂问题提供了可行的解决方案。

本课程将教您如何使用多个 GPU 来训练神经网络。您将了解到：

针对多 GPU 的训练方法

进行大规模训练面临的算法和工程挑战

克服上述挑战所用的关键技术

完成本课程后，您将能够使用 TensorFlow 十分有效地并行训练深度神经网络。

深度学习——行业应用

深度学习 —— 自动驾驶汽车的感知系统
咨询和购买课程

预备知识:熟悉 C++ and Python, 应用卷积神经网络（CNN）的经验

框架:TensorFlow, Keras, TensorRT, CUDA C++, Python, DIGITS

课程时长： 8小时

语言: 中文

提供认证证书：学习完成后，通过在线测试，系统将自动发送证书

在本课程中，您将学习如何使用 NVIDIA DRIVE AGX 开发平台为自动驾驶汽车设计、训练和部署深度神经网络。您将学习：

在DRIVE AGX上使用CUDA代码，内存管理和GPU加速

训练语义分割神经网络

使用TensorRT优化，验证和部署经过训练的神经网络

完成本课程后，您将能够使用 DRIVE AGX 创建和优化自动驾驶的感知组件。
深度学习 —— 机器人
咨询和购买课程

预备知识: 基本熟悉深度神经网络，拥有 Python 或类似语言的基本编程经验

框架: DIGITS

课程时长： 8小时

语言: 英文

提供认证证书：学习完成后，通过在线测试，系统将自动发送证书

AI 正在革新机器人在各行各业中的加速和开发。探索如何利用 Jetson 为嵌入式应用程序创建机器人解决方案。

您将学习如何：

应用计算机视觉模型来执行检测

针对嵌入式应用程序修剪和优化模型

训练机器人根据视觉输入做出正确的输出

参加完本研讨会后，您将了解如何为机器人部署高性能深度学习应用程序。
人工智能应用 —— 异常检测
咨询和购买课程

预备知识: 具有使用Python的专业数据科学经验，训练深度神经网络的经验。

技术：NVIDIA RAPIDS™, XGBoost, TensorFlow, Keras, pandas, 自编码器, GANs, 机器学习, 人工智能

框架:RAPIDS，Keras, GANs, XGBoost

课程时长： 8小时

语言: 英文

提供认证证书：学习完成后，通过在线测试，系统将自动发送证书

当您的企业需要监控网络安全威胁、欺诈性财务交易、产品缺陷或者设备健康状况时，人工智能（AI）可以帮助在这些异常状况影响您的业务之前，从数据中捕获它们。本课程以电信行业为例。全球电信基础架构中运行着大量的信息，成为人类有史以来构建的最复杂、最动态的系统之一。您将学习如何应用多种基于AI的方法来解决一个特定的问题，即识别对电信网络的入侵。您将学到:

应用三种不同的异常检测技术，即加速 XGBoost、基于深度学习的自编码器和生成对抗网络(GANs)

构建并比较基于监督学习和非监督学习的解决方案

探讨其他能够受益于现代计算方法的应用场景

完成本课程后，您将能够使用监督和非监督机器学习在大型数据集中检测异常，进而将基于 AI 的异常检测方法，用于电信、网络安全、金融、制造业和其他诸多行业。
人工智能应用 —— 预测性维护
咨询和购买课程

预备知识: 具有Python经验，基本了解数据处理和深度学习。

技术: Python, TensorFlow, Keras, XGBoost, NVIDIA RAPIDS™, cuDF, LSTM, 自编码器, 人工智能, 深度学习

课程时长： 8小时

语言: 英文

提供认证证书：学习完成后，通过在线测试，系统将自动发送证书

学习如何在时间序列数据中识别异常和故障，预估相应部分的剩余使用寿命，并用这些信息来将不同的异常情况匹配到具体的失效状态，从而实现预见性维护。在本课程中，您将学习:

利用预测性维护来管理故障风险，避免代价昂贵的计划外停机

识别异常的关键挑战

运用时间序列数据，通过基于 XGBoost 的机器学习分类模型来预测结果

利用基于长短期记忆 (LSTM) 的模型来预测设备故障，应用预测维护程序

使用时间序列数据，用自编码器检测异常

完成本课程后，您将能够使用监督和非监督机器学习在大型数据集中检测异常。
深度学习 —— 工业检测
咨询和购买课程

预备知识:熟悉 Python 和卷积神经网络(CNNs)

工具、库、框架：TensorFlow, NVIDIA TensorRT™, Keras

课程时长： 8小时

评估类型： 基于代码

语言:中文

提供培训证书： 学习完成后，通过在线测试，系统将自动发送证书

探索如何使用来自生产线的真实的数据集构建深度学习模型，用于自动检测印刷电路板（PCB）上的电容器。这可以帮助制造业降低检测成本并提高生产效率。您将学习如何：

使用Pandas DataFrame和NumPy库从已有的数据集中提取有意义的见解

将迁移学习应用于称为InceptionV3的深度学习分类模型

使用TensorRT 5在V100 GPU上优化训练好的InceptionV3模型

使用V100的TensorCore练习FP16半精度快速推理

完成本课程后，您将能够设计、训练、测试和部署通过硬件加速的工业检测模型。
深度学习 —— 医学影像分析
咨询和购买课程

预备知识: 基本熟悉深度神经网络、Python 或类似语言的基础编程经验

框架: Caffe, DIGITS, R, MXNet, TensorFlow

课程时长： 8小时

语言: 中文

提供认证证书：学习完成后，通过在线测试，系统将自动发送证书

本动手实验课程将探讨如何在 MRI 扫描影像中应用卷积神经网络 (CNN) 执行各种医学任务和计算。您将学习如何：

在 MRI 影像上进行图像分割来定位左心室

使用应用于 MRI 扫描的 CNN 测量心脏舒张和收缩之间的压差来计算射血分数，从而检测心脏疾病

在 MRI 扫描中应用 CNN 来检测 LGG 以确定 1p/19q 染色体的联合缺失状态

完成本课程后，您将能够在 MRI 扫描中应用 CNN 执行不同的医疗医学任务。

加速计算课程

加速计算基础 —— CUDA C/C++
咨询和购买课程

预备知识: 基本的 C/C++ 编程能力，包括熟悉变量类型、循环、条件语句、函数和数组操作。无需预先了解CUDA编程。

工具、库和框架： C/C++，CUDA，Nsight Systems

课程时长: 8 小时

语言: 中文

提供认证证书：学习完成后，通过在线测试，系统将自动发送证书

学习如何使用最基本的 CUDA 技术和 Nsight Systems Profiler，来加速和优化现有的仅支持 CPU 的C / C ++ 应用程序，以利用 GPU 并行计算的强大功效。将学习如何:

加速仅适用于 CPU 的应用程序在 GPU 上运行其潜在并行性

利用基本的 CUDA 内存管理技术来优化加速应用程序

揭示加速应用程序的并发潜力，并利用CUDA流进行开发

利用 Nsight Systems 指导和检查您的工作

完成本课程后，您将能够使用最基本的 CUDA 技术和 Nsight Systems，加速和优化现有的仅靠 CPU 驱动的 C/C++ 应用程序。您将了解 CUDA 开发的迭代风格，这可助您快速发布加速应用程序。
加速计算基础 —— CUDA Python
咨询和购买课程

工具、库和框架： CUDA, Python, Numba, NumPy

预备知识: 基本的 Python 编程能力，包括熟悉变量类型、循环、条件语句、函数和数组操作。使用 NumPy 的能力，包括使用 ndarrays 和 ufuncs。

课程时长: 8 小时

语言: 英文

提供认证证书：学习完成后，通过在线测试，系统将自动发送证书

探讨如何使用 Numba（即时，专用类型的 Python 函数编译器）在 NVIDIA 大规模并行运算的 GPU 上加速 Python 应用程序。将学习如何：

使用 Numba 从NumPy ufuncs 编译 CUDA 内核

使用 Numba 创建和启动自定义 CUDA 内核

应用关键的GPU内存管理技术

完成本课程后，您将能够使用Numba编译并启动 CUDA 内核，以加速 NVIDIA GPU上的 Python 应用程序。
加速计算进阶 —— 用多 GPU 加速CUDA C++ 应用
咨询和购买课程

预备知识:

具有专业 CUDA C/ C++ 编程经验

熟悉Linux命令行

具有用 Makefiles 编译 C/ C++ 代码经验

工具库和框架:CUDA C++，NVCC，Nsight Systems

课程时长：8小时

语言：中文

培训证书：包含

本课程包含如何编写CUDA C++ 应用程序，正确且有效地使用单一节点中的所有 GPU ，实现大幅提升应用程序性能，发挥多 GPU 系统的最佳经济效益。

完成本课程后，您将能够了解：

使用并发 CUDA 流将内存传输与 GPU 计算重叠。

使用并发 CUDA 流来使内存传输与GPU 计算重叠执行。

在多 GPU 上使用数据拷贝与计算的重叠执行。

使用 NVIDIA Nsight Systems Visual Profiler 观察所学技术的改进效果和影响。

加速数据科学课程

加速数据科学基础 —— RAPIDS
咨询和购买课程

预备知识: Python使用经验，包含 Pandas 和 NumPy

技术: RAPIDS, cuDF, XGBoost, cuML, cuGraph, Dask, cuPy, pandas, NumPy, Bokeh, data science, data analytics, machine learning, deep learning

课程时长: 8 小时

语言: 英文

价格: 90 美元

提供认证证书：学习完成后，通过在线测试，系统将自动发送证书

学习如何使用 RAPIDS 在大型数据集上执行多个分析任务，RAPIDS 是一套数据科学库，能够对数据科学工作流进行端到端的 GPU 加速。在本次课程中，您将学习：

使用 cuDF 和 Dask 直接在 GPU 上摄取和操作大量数据集

运用多种 GPU 加速的机器学习算法，包括 XGBoost、cuGRAPH 和 cuML，以执行大规模的数据分析

对大量数据集执行多重分析任务，以避免影响英国的模拟流行病爆发

完成本课程后，您将能够比以前更快地加载、操作和分析数量级的数据，支持更多的迭代周期，并极大地提高生产率。

网络课程

InfiniBand 专业培训和认证

网络专业培训和认证

Cumulus Linux 训练营培训和课程

企业解决方案

如果您正在寻找更全面的企业培训，DLI 企业解决方案提供了一整套培训和讲座，以满足您的企业的专属需求。从在线学习和在现场举办的动手实践培训、高管简报到企业级报告，DLI 将助力您的企业实现向 AI 的转型。联系我们了解更多。

方案咨询

大学老师可以申请成为 NVIDIA DLI 校园大使，为在校师生免费教授DLI培训班课程。还可以下载 NVIDIA 教学套件，轻松扩展您的大学课程素材，及免费获取 DLI 在线自主培训资源。

校园大使

经过认证的大学老师将成为DLI校园大使，将可以面向在校师生免费使用 DLI 课程资源、教授 DLI培训。

DLI 校园大使已经遍布全球百余所大学，包含：

教学套件

DLI 教学套件为大学老师提供课程方案，包含深度学习、加速计算和机器人三个主题。您可以轻松地将讲课材料、实践课程和 GPU 云资源等整合到课程体系中。

了解更多

合作伙伴

DLI 与行业合作伙伴一起在全球各地提供 DLI 课程和讲师指导的培训班

培训

咨询 NVIDIA 深度学习学院服务

联系 DLI

销售

联系 NVIDIA 销售代表并获取购买信息。

联系销售

开发者

如需咨询技术问题，请使用 NVIDIA 开发者论坛。

开发者论坛

申请举办 DLI 培训班

请填写以下表格。此外，您还可以在 www.nvidia.cn/dli中查看所有在线自主培训课程和即将到来的培训班活动。

您的信息

* 名字

* 姓氏

* 职务

* 公司/组织机构

* 电子邮件

* 行业

* 职位

手机号码

培训班详情

* 举办地点

* 举办城市：

*举办的场地或会议活动的名称

请选择培训班举办日期、预计出席人数以及主题课程。您可以添加新项目以涵盖多个日期或课程。

日期

* 出席人数

* 主题课程

听众对深度学习的了解程度？

附注：

请向我发送 NVIDIA 发布的深度学习最新新闻和动态。我可以随时取消订阅。

请向我发送 NVIDIA 发布的有关企业的最新动态、公告及其他内容。我可以随时取消订阅。

ncid

*必填字段

NVIDIA 深度学习学院

在线自主培训

讲师指导的培训班

大学资源

在线自主培训课程

深度学习课程

深度学习——通用基础

深度学习基础 —— 计算机视觉

使用 Jetson Nano 开发 AI 应用

使用 TensorRT 优化和部署 TensorFlow 模型

使用 Horovod 实现大规模深度学习

使用 TensorFlow 实现图像分割

通过 Keras 用递归神经网络（RNN）为时间序列数据建模

深度学习——医疗医学

使用 MedNIST 数据集进行医学影像分类

使用 TensorFlow 实现图像分类：放射组学 - 1p19q 染色体状态分类

使用 GAN 对医学图像进行数据集扩展与图像分割

将由粗到细的上下文记忆应用于医学影像

深度学习——智能视频分析

使用 DeepStream 创建智能视频分析 AI 工作流

在 Jetson Nano 上用 DeepStream 实现视频分析

加速计算课程

加速计算基础 —— CUDA C/C++

加速计算基础 —— CUDA Python

通过 CUDA C++ 在多个 GPU 之间扩展工作负载（新！）

通过并发流加速 CUDA C++ 应用程序（新！）

加速计算基础 —— OpenACC

使用容器实现高性能计算

OpenACC - 4个步骤实现2倍增速

加速数据科学课程

加速数据科学基础 —— RAPIDS

使用 RAPIDS 加速数据科学工作流

IT 课程

如何在数据中心实现AI

InfiniBand 专业在线培训和认证

RDMA 编程基本原理

使用 Cumulus Linux 管理 Mellanox 交换机

使用 Mellanox ONYX 进行端到端网络管理

合作伙伴的在线培训

深度学习课程

深度学习——通用基础

深度学习基础——理论与实践入门（新！）

深度学习 —— 构建智能推荐系统（新！）

深度学习基础 —— 构建基于 Transformer 的自然语言处理应用（新！）

深度学习基础 —— 用多 GPU 训练神经网络 （2020升级版）

深度学习——行业应用

深度学习 —— 自动驾驶汽车的感知系统

深度学习 —— 机器人

人工智能应用 —— 异常检测

人工智能应用 —— 预测性维护

深度学习 —— 工业检测

深度学习 —— 医学影像分析

加速计算课程

加速计算基础 —— CUDA C/C++

加速计算基础 —— CUDA Python

加速计算进阶 —— 用多 GPU 加速CUDA C++ 应用

加速数据科学课程

加速数据科学基础 —— RAPIDS

网络课程

InfiniBand 专业培训和认证

网络专业培训和认证

Cumulus Linux 训练营培训和课程

企业解决方案

校园大使

教学套件

合作伙伴

更多资源

更多问题咨询

联系 NVIDIA

获得解答。

培训

销售

开发者

申请举办 DLI 培训班

如有深度学习培训疑问请联系我们

深度学习基础 —— 用多 GPU 训练神经网络（2020升级版）