概述
深度学习在训练阶段常用GPU来加速，在推断阶段可以用CPU、GPU、FPGA等硬件实现。在计算资源有限的树莓派(Raspberry Pi)上如何运行复杂的深度神经网络？对CUDA 代码一无所知，如何玩转NVIDIA GPU？
本次微直播紧跟“小迈步第一课：MATLAB深度学习入门课堂”，通过具体MATLAB代码演示与操作，带领大家学习在树莓派ARM CPU和NVIDIA GPU上实现深度学习物品识别。
本次课堂，您将会学习如何将预训练网络自动生成C++ 或者CUDA代码，跨越手写代码的障碍。你还将学会如何使用MATLAB快速对树莓派编程，我们将从如何下载和设置MATLAB对树莓派硬件的支持包开始，到如何使用网络摄像头给大家进行详细的讲解。
课前准备：
1. 建议参课者先行观看“小迈步第一课：MATLAB深度学习入门课堂”。
2. 建议参课者先行完成以下两门在线课程。
亮点包括
本期课程内容：
小迈步第二课：MATLAB深度学习入门之树莓派与GPU应用 (上)
1. 课程准备篇
基于项目学习与有趣实例
树莓派、NVIDIA GPU与MATLAB连接
自动售卖机实例：在 CPU 和 GPU 上运行深度神经网络，实现商品识别
2. 前期“深度学习入门”小迈步课堂回顾
迁移学习的力量
轻量级CNN模型之SqueezeNet
使用 GPU，训练新网络
如果觉得《阮卡佳matlab 小迈步第二课：MATLAB深度学习入门之树莓派与GPU应用 （上）》对你有帮助，请点赞、收藏，并留下你的观点哦！
