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