小象学院深度学习第四期视频教程
小象学院深度学习第四期视频教程课程大纲第一课 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83. 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( l)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－DPM3. RCNN 系列：RCNN，Fast RCNN，Faster RCNN4. 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02. 升级版RNN：LSTM3. 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＋RNN31. CNN＋RNN2. 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：GAN01. 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
**** Hidden Message *****
页:
[1]