1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
        2、培训结束后,授课老师留给学员联系方式,保障培训效果,免费提供课后技术支持。
        3、培训合格学员可享受免费推荐就业机会。

了解caffe基本框架，以及文件配置。学会绘制网络结构图，特征平面图，loss曲线图和accuracy曲线图。学会使用caffe训练模型的完整流程，并学会训练自己的模型。
适用人群
想自己动手实践深度学习神经网络的人，想从事深度学习相关工作的人
课程简介
本课程是在windows环境下的caffe课程，会从windows环境下的安装编译开始讲起，详细介绍如何使用caffe来训练以及使用深度学习模型，主要使用的是python的接口。

课程的安排很清晰，首先带着大家安装CPU版本的caffe，然后快速带着大家完成一个MNIST手写数字识别的项目，让大家了解caffe训练模型的大致流程。然后会详细讲到到caffe中的一些重要文件和配置。之后会使用python接口来绘制网络结构图，特征平面图，loss曲线图和accuracy曲线图。

最后的部分会教大家使用GoogleNet实现图像识别。并详细讲解训练自己的图像识别模型的完整流程。从准备数据，制作标签，图片数据转换，修改网络模型文件，修改超参数文件讲起，一直到把模型训练好，然后通过python接口调用训练好的模型进行图像识别。以及使用迁移学习-Finetune的技术来训练我们的模型，还有snapshot的技术来恢复模型的训练。
1Caffe介绍
2Caffe在windows下的安装编译
3Caffe快速上手-mnist数据集分类(一)
4Caffe快速上手-mnist数据集分类(二)
5Caffe文件详解
6各种优化器的介绍
7Caffe的python接口安装，以及模型可视化
8Caffe特征图可视化以及学习曲线可视化
9GoogleNet结构讲解，准备用GoogleNet实现图像识别
10使用python接口调用GoogleNet实现图像识别
11Caffe在windows下GPU版本的安装
12使用自己设计的网络训练自己的图像识别模型(一)
13使用自己设计的网络训练自己的图像识别模型(二)
14迁移学习-Finetune
15Snapshot以及课程总结