不会写代码也能上的深度学习课，NVIDIA DLI瞄向的是AI人才缺口问题 原创

就在上周，至顶网记者又一次体验了NVIDIA深度学习学院（DLI）的培训课程。

作为一只没有任何编程基础的技术小白，哪怕不懂复杂的数学函数，不会Python等语言，搞不清CNN、RNN、LTSM这些概念背后的深层原理，也能够在Caffe2、TensorFlow等框架中，完成基于深度卷积网络的实验课程，分分钟成为一个“深度学习专家”。

这就是NVIDIA DLI深度学习培训课程的魅力所在。

先谈谈操作体验：整个过程只需“点点点”即可

培训课程采用的是云端 NVIDIA GPU，具体基于NVIDIA的深度学习训练系统（Deep Learning GPU Training System, DIGITS）完成。由于系统中封装了目前所流行的大部分深度学习开发框架，包括Caffe2、Torch、TensorFlow、MXNet等。学员只需要点点鼠标、改改参数，就能轻松实现深度学习训练。

以图像分类为例，整个动手实验记者只做了以下操作：数据集创建、模型创建、模型训练、模型测试，就完成了基于深度学习模型的图像分类、检测等任务。

实验中所用的是MINIST数据集，由0-9共10个数字的不同手写文字的图像组成，每个手写数字都是28*28像素的图像，共有70000个训练样本和10000个测试样本。

通过将数据输入到创建的模型中（这里使用的是DIGITS现有的LeNet卷积神经网络），在1分钟内就完成了对70000个样本的训练。同时，整个过程以可视化界面的方式展现出来，可以随时看到训练损失、验证损失、验证正确率、学习率变化、GPU资源占用等训练进度信息。如下图：

模型训练完成后，就可以导入手写体数字图片进行测试，以下是测试结果，呈现了图片为具体数字可能性的概率：

完成！总而言之，整个过程只需“点点点”即可。

当然，这只是NVIDIA DLI系列培训中非常基础的一个课程，开发者在实际应用中也可以根据需要导入自己的数据集、创建自己的模型，去完成如图像分割、图像生成，以及自然语言处理等更深入的场景应用。

再说说培训课程：要解决的是AI人才缺口问题

近两年来，随着人工智能技术席卷互联网服务、医疗、媒体娱乐、安全防护、自动驾驶等各行各业，行业对于AI人才的需求也越来越大。

据领英大数据显示，过去3年间，通过领英平台发布的AI职位数量从2014年的5万飙升至2016年的44万，增长了近8倍。然而，满足应聘需求的人才却少之又少，尤其在算法、智能芯片、机器学习等细分领域。可以说，AI人才缺口非常之大。

从这方面来看，全球的研发人员、数据科学家和研究人员都迫切需要能够获得基于最新的AI技术和工具的实用性培训。但现实情况是，目前的大学或教育培训机构的相关课程都偏重理论而疏于实践，难以满足AI应用开发者的需求，也没法与时俱进地更新最新的AI技术。AI人才培养和储备成了个难题。

而这，正是NVIDIA DLI深度学习培训课程推出的初衷。

具体来看，DLI的课程定位是深度学习零基础入门的培训，通过自学式在线学习和讲师指导式的课程，让学员通过动手实验亲身体验深度学习的工作流程，包括数据管理、模型设计和训练、应用优化和部署动手实验课程基于最新的AI framework，深度学习、软件和GPU技术。

课程采用了进阶形式，不断加深知识难度，具体分为通用基础课及专业应用领域课。其中，通用基础课包括计算机视觉、自然语言处理和场景内容生成；专业应用领域课程涉及医疗医学影像分析和基础组研究、自动驾驶汽车感知、智能视频分析、机器人、加速计算、数字内容生成、金融交易策略等。既可以引导像记者这样的技术小白入门，也可以满足开发者、数据科学家等专业人员的需求。

据了解，目前NVIDIA DLI已经在北京、上海、广州、深圳、成都、西安等地都开设了线下课程。2016年，共计超过1万人参与了课程培训，而这个数字在2017年预计将翻10倍，达到10万人，覆盖行业企业、政府和科研院校的相关人员。

通盘来看，这对于产业而言，解决了AI人才缺口的问题；对于开发者而言，找到了快速入门深度学习的捷径；对于NVIDIA而言，在培养了一批深度学习“玩家”之后，GPU的使用需求增加也在所难免。可以说，是个多赢的事情。