揭开深度学习的神秘面纱

目录

• 一、深度神经网络
• 1.从识别到深度识别
• 2.神经网络系统
• 3.神经元建模
• 4.常见**函数
• 5.神经网络-前向计算
• 6.交叉熵损失函数
• 7.Softmax损失函数
• 二、神经网络训练
• 1. 神经网络训练-梯度反传算法
• 三、深度卷积网络
• 1.卷积层建模
• 2.池化层
• 3.全连接层
• 4.卷积神经网络实例
• 5.卷积层可视化
• 四、热门网络结构和深度学习应用
• 1.热门网络结构
• 2.图像识别PLUS-物体检测
• 五、深度学习项目落地的那些坑
• 1.明确需求
• 2.数据准备
• 3.选择好的模型+先验知识
• 4.使用合适的软件包

一、深度神经网络

1.从识别到深度识别

2.神经网络系统

3.神经元建模

4.常见**函数

5.神经网络-前向计算

6.交叉熵损失函数

7.Softmax损失函数

二、神经网络训练

1. 神经网络训练-梯度反传算法

三、深度卷积网络

1.卷积层建模

2.池化层

3.全连接层

4.卷积神经网络实例

5.卷积层可视化

四、热门网络结构和深度学习应用

1.热门网络结构

2.图像识别PLUS-物体检测

五、深度学习项目落地的那些坑

1.明确需求

2.数据准备

3.选择好的模型+先验知识

4.使用合适的软件包

根据需求选择合适的包：TensorFlow，Pytorch,caffe等

学习视频