我卷卷卷

本课程主要讲解卷积神经网络,内容包括卷积神经网络的工作原理,以及使用PyTorch实现一个卷积神经网络的方法,最后还复习了张量的概念。(课时:140 分钟)

深度学习 PyTorch CNN 卷积

讲师:   张江

课程资料

  • 讲稿下载:报名后可见

  • 课程代码包:报名后可见

课程背景

这一章的主角当然就是卷积神经网络了。从卷积到池化操作,本课程将深入潜出地为你介绍卷积神经网络的工作原理。之后,我们展示了如何用PyTorch来实现一个卷积神经网络,并进一步复习了张量的概念,及其张量运算。在这个基础上,我们引出了过滤器、特征匹配与特征图的概念,并揭示了卷积神经网络的工作原理。作为本课程的附属视频,我们介绍了应用于卷积神经网络的反向传播算法。


课后作业:手写数字加法器

请设计一个卷积神经网络,要求它能够根据输入的两张手写数字图片,自动计算并输出这两个数字的和。

课程目的

学完本课程,你能做到

  • 了解深度学习在图像识别及图像理解领域的应用

  • 了解卷积神经网络的一些重要应用场景

  • 熟悉卷积神经网络的架构,卷积核、特征图、池化等基本操作

  • 掌握用卷积神经网络解决手写字符识别问题的方法

  • 了解在训练过程中,卷积神经网络内部到底发生了什么

课程详情

本课程的内容包括:

  • 强大的图像识别与图像理解

  • 卷积神经网络的应用场景

  • 卷积神经网络构架

    • 卷积核与特征图

    • 池化操作

    • 三维的卷积核

  • 卷积神经网络例子:MNIST

  • 损失函数

  • torchvision数据集的使用方法

  • 解剖神经网络

相关课程

image.png

卷积神经网络中的数学原理:卷积、反转、交叉熵