亲自动手写一个深度学习框架视频课程

课程目标:通过模拟Caffe,亲自动手写一个深度学习框架,搞懂底层原理,进而掌握复现新型模型的能力。

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
5分 共41课时,共18小时12分钟
现价¥285.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

通过模拟Caffe,亲自动手写一个深度学习框架,搞懂底层原理,进而掌握复现新型模型的能力。

适用人群

人工智能、计算机视觉方向的本科生,研究生;IT工程师;对深度学习感兴趣者。

课程简介

CaffeTensorflowKeras等框架灵活好用,但也屏蔽了很多技术细节!当我们学习所谓的“人工智能”时,主要是在学习API的调用,这对我们的模型调优很不利!

本课程鼓励大家亲自动手写一个深度学习框架,理解常用技术的底层实现原理,特别是对于半路出家,渴望转行到AI岗的朋友们,这样做对提高面试竞争力是很有利的。


本课程做了如下安排:

1.现场板书完成数学推导,绘图帮助理解;

2.围绕MLP,一边探索各种深度学习理论,一边用Python实现

3.采用C++来正式编写深度学习框架

4.矩阵运算库采用Armadillo,模型保存采用protobuf,网络配置采用json,相关库的使用课程都会详细介绍,无需担心;

5.有任一编程语言基础和高等数学基础即可选修本课程,课程中会穿插讲解重点的PythonC++语法知识。


课程风格截图:




lesson_38_bn.png


第一章课程介绍
1节14分钟
1-1本课程介绍 [免费试看]
14:56
第二章神经网络理论
3节59分钟
2-1神经元、多层感知器和人工智能
13:44
2-2理论分析:梯度下降算法
15:20
2-3理论分析:反向传播算法
30:02
第三章用Python探索多层感知器
10节4小时23分钟
3-1思路分析:如何利用Python实现多层感知器?
18:19
3-2Anaconda环境搭建、数据准备
17:38
3-3代码实践:MLP的前向传播
21:59
3-4代码实践:MLP的反向传播
26:47
3-5代码实践:梯度检验
24:36
3-6代码实践:探索各种激活函数
23:11
3-7代码实践:探索各种权重初始化
19:44
3-8代码实践:探索各种优化算法
44:33
3-9理论分析:BatchNormalization
32:08
3-10代码实践:BatchNormalization
34:20
第四章CNN理论
2节46分钟
4-1理论分析:CNN的前向传播
27:52
4-2理论分析:CNN的反向传播 [免费试看]
18:31
第五章亲自动手写一个深度学习框架
24节11小时40分钟
5-1深度学习框架Caffe基础入门
38:23
5-2思路分析:如何设计自己的框架?
10:16
5-3环境准备:Json、Armadillo、protobuf
17:11
5-4代码实践:利用json定义网络结构
45:39
讲师介绍
刘高联
讲师评分5.0分
算法工程师,主要从事图像处理、计算机视觉和火灾科学相关工作。 有丰富的项目经验,所开发的森林火灾预警系统已成功实现部署,并多次成功捕获真实火情。 有多年C/C++使用经验,熟悉单片机、嵌入式linux开发; 熟悉开源计算机视觉库Opencv,对前景检测、目标跟踪和深度学习算法有深入的研究,并有自己的独特见解。 对人工智能、无人驾驶等非常感兴趣。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载