解决如何让机器能够模仿人脑的思考方式，从而摆脱原来的固有数据库比较的限制。
Tensorflow深度学习安装环境配置

Tensorflow训练自己的数据集

无GPU怎么快速训练自己的数据集

通用云平台Yolov3算法训练自己的数据集

深度学习的思想源自于“人工神经网络”，从大脑中汲取灵感，模拟人脑分析问题机制并建立分析学习的神经网络。神经网络的基本构建模块是人工神经元-模仿人类大脑神经元。正如大脑数十亿个神经元神经元分布在神经网络的几个层中，之间有数万个连接，深度学习模型涉及大量的计算单元，它们彼此交互时对所建模数据潜在分布的多层表征进行自主学习。

1.主要解决如何让机器能够模仿人脑的思考方式，从而摆脱原来的固有数据库比较的限制，让机器能够通过深度学习理解这个世界不断变化的，因此深度学习是人工智能AI的重要组成部分。
可以说人脑视觉系统和神经网络。

2.随着谷歌不断在开放AI开发平台，人工智能开发像Android一样逐渐平民化、大众化，是主动学习还是被动淘汰？显然，越早学习和掌握这一技术的人才越有优势。 为此，开设“AI基础系列课程”，涵盖 LabVIEW传统视觉基础、Yolov3、神经棒以及人脸识别登录节目“AI发现”，让我们跟着大咖的视角来近距离解密AI。

3.解决传统视觉的呆板，固定计算的方式。让机器视觉有自己的思想。

课程大纲：
人工智能AI卷集神经网络之深度学习
AI开辟之光
1.为什么要学习深度学习？
2.传统视觉与人工智能AI深度学习的区别
3.什么是卷集神经网络？
4.深度学习解决了什么问题
5.深度学习究竟把问题简单化了还是复杂化了？
6.AI tensorflow的应用领域与优势
7.AI yolov3算法的应用领域的强大之处
8.笔记本电脑无GPU如何奔跑训练
9.C#调用冻结模型Pb文件简述
10.LabVIEW调用冻结模型Pb文件简述
11.利用猫狗实例用Tensorflow(yolov3)简述
AI Tensorflow环境的安装
9.安装Anaconda3-4.3.0.1
10.安装Tensorflow(CPU版本与GPU版本说明安装方法)查看是否安装成功
11.寻找GPU适应的版本CUDA与cuDNN （这里以CPU为述）
12.再次测试Tensorflow安装是否成功
13.测试是否启用了GPU加速
14.下载Models(老师提供Model)
15.放置Protoc.exe C盘下运行安装protobuf==3.6.0
16.models下编译.proto文件至.py文件
17.环境变量设置(创建tensorflow_models.pth文件放在指定文件夹下)
18.创建python setup.py build
19.测试models API是否安装成功
20.安装pycharm社区版本（老师提供安装包）
21.安装好配置环境与conda绑定
22.pycharm打开models整个文件夹运行提供范例测试API是否安装成功
23.API 的环境搭建与测试工作完成
AI Tensorflow训练自己的数据集
24.安装LabelImg(老师提供)
25.怎么调用打开LabelImg.py
26.标注LabelImg的标注与认知
27.标注胡歌图片Train与Test内部图片另存为Xml
28.xml_to_csv.py转换
29.CSV_to_TFRecords格式
30.设置配置文件与修改
31.创建一个 huge.pbtxt的文本文件作为标注文字
32.万事俱备，只欠东风,开始训练……
33.tensorboard 观看Loss下降的不明显，有待评估
34.导出pb文件
35.测试模型
36.安装LabVIEW2019 VAS VDM 均为2019
37.复制pb冻结模型测试检测效果
36.实例1：用tensor检测安全帽检测有无
37.实例2：用tensor检测口罩检测有无
AI Yolov3算法快速开始=>Google云端
1.google浏览器权限打开搜索引擎
2.Google云端介绍
3.设置谷歌云盘路径
4.装载谷歌云盘——便于将谷歌云盘中的文件传到云端服务器中
5.在谷歌云盘中创建存放训练相关文件的文件夹
6.运行demo显示bbox（下载训练好的coco数据集权重）
7.实例讲解
AI Yolov3算法快速训练=>无GPU让笔记本奔跑训练
8.将相关文件上传到谷歌云盘
9.上传generate_trian.py文件到谷歌云盘
10.下载预训练权重并上传到darknet文件下
11.开始训练
12.训练中断时，上次训练权重的基础上继续训练
13.保存模型pb文件
14.用LabVIEW观看模型
15.实例1yolov3实现缺陷检测
16.实例2摄像头实时动态检测

另外基础传统视觉快速入门

1.导学
2.安装与缺陷检测实例演示
3.界面的介绍_Trim
4.获取采集图像方式
5.读写相机的属性
6.模拟采集图像
7.选择哪副图像进行检测
8.视觉助手-图像旋转&矫正&处理
9.查找表-进行完美视觉定位
10.图像的滤波器
11.灰度形态学
12.练习-找Mark
13.灰度形态学重构的原理
14.通过案例解释图像的二值化
15.基础形态学
16.透过滚珠实验解释高级形态学用处
17.二值化反转
18.图像分类训练实现颜色精确识别
19.创建目标区域（ROI）
20.寻找边缘点
21.寻找直边
22.寻找圆
23.匹配模板
24.几何匹配
25.建立坐标系
26.检查目标
27.匹配彩色模板
28.高级直边
29.测量特征
30.测量颜色
31.统计像素点
32.卡尺与最大卡尺
33.几何
34.存在性检查
35.检查目标（粒子分析）
36.测量角度、直角、面积、等
37.目标识别
38.黄金模板匹配
39.通过黄金模板匹配检测斑点
40.字符识别、训练、
41.二维码识别
42.TCP通讯
43.设置系统检测状态
44.计算
45.逻辑计算
46.设置变量
47.运行LabVIEW函数
48.overlay显示图像
49.显示图像
50.延时
51.数据记录
52.图像记录
53.UI更新界面相机同步
54.怎么初始化硬件
55.怎么关闭界面关闭程序自动
56.结合整体写出一个软件
57.总结VBAI从自定义界面到快速完成项目的详细步骤

 

 

 

 

 

 

 

 

 

 

具体源码课程于：https://edu.csdn.net/course/detail/32358