课程介绍

课程主页：Stanford CS231n · Convolutional Neural Networks for Visual Recognition

CS231n是顶级院校斯坦福出品的深度学习与计算机视觉方向专业课程，核心内容覆盖神经网络、CNN、图像识别、RNN、神经网络训练、注意力机制、生成模型、目标检测、图像分割等内容。课程最后一版公开课视频为2017版，需要最新进阶技术内容的同学可以关注我们发布的cs231n进阶课程

课程内容介绍

第1部分 Lecture1-3 深度学习背景知识简单介绍

• 课程引入与介绍
• softmax和svm两种损失函数
• 优化算法（SGD等）
• KNN和线性分类器

第2部分 Lecture4-9 卷积神经网络

• CNN及各种层次结构（卷积、池化、全连接）
• Backpropagation计算方法
• 优化的训练方法（Adam, Momentum, Dropout, Batch-Normalization）
• 训练 CNN 的注意事项（参数初始化与调优）
• 深度学习框架（TensorFlow, Caffe, Pytorch）
• 线性CNN结构（AlexNet, VGGNet, GoogLeNet, ResNet）

第3部分 Lecture10-16 计算机视觉应用

• RNN（image captioning等）
• 目标检测（R-CNN、Fast/Faster R-CNN ）
• 语义分割
• 神经网络可视化与可解释性
• 生成模型与GAN
• 深度强化学习

ShowMeAI课程解读：全套资料