2677| 3
|
小象学院深度学习第四期视频教程 |
内容介绍:
第一课 深度学习总体介绍 1. 神经网络:传统到现代 2. 深度学习应用特点 3. 深度学习发展方向 4. 深度学习框架比较:用Tensorflow进行课程学习: 5. 实例:Tensorflow基础 第二课 传统神经网络; 1. 神经网络起源:线性回归 2. 从线性到非线性:非线性激励8 3. 神经网络的构建:深度广度复杂度扩展 4. 神经网络的“配件”:损失函数,学习率,动量,过拟合 5. 实例: 传统神经网络实现 第三课 卷积神经网络-基础篇 1. 链式反向梯度传导 2. 卷积神经网络-卷积层:正向反向推导 3. 卷积神经网络-功能层:非线性激励,降维,归一化,区域分割,区域融合 4. 实例:简单卷积神经网络运行 第四课 卷积神经网络-高级篇 1. AlexNet 最早的现代神经网络 2. VGG,GoogleNet,,ResNet. 近期的高级网络 3. Deepface 结构化图像网络 4. U-Net 深度图片生成网络:逆卷积作用 5. 实例:利用已有模型进行物体分类/特征提取 第五课 卷积神经网络-目标分类: 1. 目标分类基本框架 2. 迁移学习 3. 个人研究分享:如何设计新的的网络 4. 实例训练:表情识别/人脸识别/动物识别 第六课 卷积神经网络-目标探测 1. 目标探测介绍 2. 传统方法总结-DPM 3. RCNN 系列:RCNN,Fast RCNN,Faster RCNN 4. YoLo系列 5. 实例:目标探测模型训练/部署 第七课 递归神经网络 1. RNN基本原理0 2. 升级版RNN:LSTM 3. 语言特征提取 Word2Vec4 F- 4. 实例:LSTM用于语句生成 第八课 递归网络卷积网络结合: CNN+RNN3 1. CNN+RNN 2. 图片标注:学会看图说话5 3. 视频分类:时间信号帮助更多 4. 图片问答:对话机器人升级版 5. 实例:图片标注实例2 第九课 生成对抗网络:GAN0 1. GAN原理基础 2. 深度GAN:GAN +深度学习 3. 条件GAN:生成图片由我控制 4. info GAN:无监督找特征 5. Wasserstein GAN:理论创新 6. 实例:Pix2Pix 自定义图片生成 第十课 增强学习 1. 增强学习基础 2. DQN 深度增强学习 3. DQN 改进模型 4. A3C 模型:高效游戏机器人 5. 实例:DQN用于Atari游戏学习 百度网盘下载地址:
购买主题
已有 1 人购买
本主题需向作者支付 100 金币 才能浏览
| |
| ||