解決如何讓機器能夠模仿人腦的思考方式，從而擺脫原來的固有數據庫比較的限制。
Tensorflow深度學習安裝環境配置
Tensorflow訓練自己的數據集
無GPU怎么快速訓練自己的數據集
通用雲平台Yolov3算法訓練自己的數據集
深度學習的思想源自於“人工神經網絡”，從大腦中汲取靈感，模擬人腦分析問題機制並建立分析學習的神經網絡。神經網絡的基本構建模塊是人工神經元-模仿人類大腦神經元。正如大腦數十億個神經元神經元分布在神經網絡的幾個層中，之間有數萬個連接，深度學習模型涉及大量的計算單元，它們彼此交互時對所建模數據潛在分布的多層表征進行自主學習。
1.主要解決如何讓機器能夠模仿人腦的思考方式，從而擺脫原來的固有數據庫比較的限制，讓機器能夠通過深度學習理解這個世界不斷變化的，因此深度學習是人工智能AI的重要組成部分。
可以說人腦視覺系統和神經網絡。
2.隨着谷歌不斷在開放AI開發平台，人工智能開發像Android一樣逐漸平民化、大眾化，是主動學習還是被動淘汰？顯然，越早學習和掌握這一技術的人才越有優勢。 為此，開設“AI基礎系列課程”，涵蓋 LabVIEW傳統視覺基礎、Yolov3、神經棒以及人臉識別登錄節目“AI發現”，讓我們跟着大咖的視角來近距離解密AI。
3.解決傳統視覺的呆板，固定計算的方式。讓機器視覺有自己的思想。
課程大綱：
人工智能AI卷集神經網絡之深度學習
AI開辟之光
1.為什么要學習深度學習？
2.傳統視覺與人工智能AI深度學習的區別
3.什么是卷集神經網絡？
4.深度學習解決了什么問題
5.深度學習究竟把問題簡單化了還是復雜化了？
6.AI tensorflow的應用領域與優勢
7.AI yolov3算法的應用領域的強大之處
8.筆記本電腦無GPU如何奔跑訓練
9.C#調用凍結模型Pb文件簡述
10.LabVIEW調用凍結模型Pb文件簡述
11.利用貓狗實例用Tensorflow(yolov3)簡述
AI Tensorflow環境的安裝
9.安裝Anaconda3-4.3.0.1
10.安裝Tensorflow(CPU版本與GPU版本說明安裝方法)查看是否安裝成功
11.尋找GPU適應的版本CUDA與cuDNN （這里以CPU為述）
12.再次測試Tensorflow安裝是否成功
13.測試是否啟用了GPU加速
14.下載Models(老師提供Model)
15.放置Protoc.exe C盤下運行安裝protobuf==3.6.0
16.models下編譯.proto文件至.py文件
17.環境變量設置(創建tensorflow_models.pth文件放在指定文件夾下)
18.創建python setup.py build
19.測試models API是否安裝成功
20.安裝pycharm社區版本（老師提供安裝包）
21.安裝好配置環境與conda綁定
22.pycharm打開models整個文件夾運行提供范例測試API是否安裝成功
23.API 的環境搭建與測試工作完成
AI Tensorflow訓練自己的數據集
24.安裝LabelImg(老師提供)
25.怎么調用打開LabelImg.py
26.標注LabelImg的標注與認知
27.標注胡歌圖片Train與Test內部圖片另存為Xml
28.xml_to_csv.py轉換
29.CSV_to_TFRecords格式
30.設置配置文件與修改
31.創建一個 huge.pbtxt的文本文件作為標注文字
32.萬事俱備，只欠東風,開始訓練……
33.tensorboard 觀看Loss下降的不明顯，有待評估
34.導出pb文件
35.測試模型
36.安裝LabVIEW2019 VAS VDM 均為2019
37.復制pb凍結模型測試檢測效果
36.實例1：用tensor檢測安全帽檢測有無
37.實例2：用tensor檢測口罩檢測有無
AI Yolov3算法快速開始=>Google雲端
1.google瀏覽器權限打開搜索引擎
2.Google雲端介紹
3.設置谷歌雲盤路徑
4.裝載谷歌雲盤——便於將谷歌雲盤中的文件傳到雲端服務器中
5.在谷歌雲盤中創建存放訓練相關文件的文件夾
6.運行demo顯示bbox（下載訓練好的coco數據集權重）
7.實例講解
AI Yolov3算法快速訓練=>無GPU讓筆記本奔跑訓練
8.將相關文件上傳到谷歌雲盤
9.上傳generate_trian.py文件到谷歌雲盤
10.下載預訓練權重並上傳到darknet文件下
11.開始訓練
12.訓練中斷時，上次訓練權重的基礎上繼續訓練
13.保存模型pb文件
14.用LabVIEW觀看模型
15.實例1yolov3實現缺陷檢測
16.實例2攝像頭實時動態檢測
另外基礎傳統視覺快速入門
1.導學
2.安裝與缺陷檢測實例演示
3.界面的介紹_Trim
4.獲取采集圖像方式
5.讀寫相機的屬性
6.模擬采集圖像
7.選擇哪副圖像進行檢測
8.視覺助手-圖像旋轉&矯正&處理
9.查找表-進行完美視覺定位
10.圖像的濾波器
11.灰度形態學
12.練習-找Mark
13.灰度形態學重構的原理
14.通過案例解釋圖像的二值化
15.基礎形態學
16.透過滾珠實驗解釋高級形態學用處
17.二值化反轉
18.圖像分類訓練實現顏色精確識別
19.創建目標區域（ROI）
20.尋找邊緣點
21.尋找直邊
22.尋找圓
23.匹配模板
24.幾何匹配
25.建立坐標系
26.檢查目標
27.匹配彩色模板
28.高級直邊
29.測量特征
30.測量顏色
31.統計像素點
32.卡尺與最大卡尺
33.幾何
34.存在性檢查
35.檢查目標（粒子分析）
36.測量角度、直角、面積、等
37.目標識別
38.黃金模板匹配
39.通過黃金模板匹配檢測斑點
40.字符識別、訓練、
41.二維碼識別
42.TCP通訊
43.設置系統檢測狀態
44.計算
45.邏輯計算
46.設置變量
47.運行LabVIEW函數
48.overlay顯示圖像
49.顯示圖像
50.延時
51.數據記錄
52.圖像記錄
53.UI更新界面相機同步
54.怎么初始化硬件
55.怎么關閉界面關閉程序自動
56.結合整體寫出一個軟件
57.總結VBAI從自定義界面到快速完成項目的詳細步驟
具體源碼課程於：https://edu.csdn.net/course/detail/32358