课程简介
帮助学员系统性的掌握深度学习的基本原理，以及从基本概念到各个先进模型的转化，了解研究过程中定义问题设计模型的思路。
目标收益
1. 帮助学员系统性的掌握深度学习的基本原理，以及从基本概念到各个先进模型的转化
2. 了解研究过程中定义问题设计模型的思路
3. 培养学员面对工程及学术问题的思考解决能力
4. 快速积累深度学习项目经验
培训对象
1. 想了解和学习深度学习的学习
2. 想学习深度学习的相关从业人员
3. 想转行从事深度的学习者
课程大纲
| 深度学习常用软件介绍 |
• numpy
• scikit-learn • Theano • tensorflow • keras • caffe • Torch • ubuntu下，上述软件包安装配置方法 |
| 算法原理 |
• 梯度下降算法原理 • 方向传播算法原理 • 卷积神经网络算法原理 • 循环神经网络(rnn)算法原理 • 循环神经网络(lstm)算法原理 |
| 算法实现(python) |
• 梯度下降算法实现
• 反向传播算法实现 • 卷积神经网络(cnn)实现 • 循环神经网络(rnn)算法实现 • 循环神经网络(lstm)算法实现 |
| 应用实战(tensorlfow, caffe,keras) |
• 手写数字识别mnist dataset • 使用卷积神经网络(CNN)对图片做分类 cifar10 dataset 单GPU版本 • 使用卷积神经网络(CNN)对图片做分类 cifar10 dataset 多GPU版本 • 使用卷积神经网络(CNN)把图片模仿成大师画的风格 • 使用循环神经网络(RNN) 自动生成文本 • 使用循环神经网络(RNN) 聊天对话机器人 |
|
深度学习常用软件介绍 • numpy • scikit-learn • Theano • tensorflow • keras • caffe • Torch • ubuntu下，上述软件包安装配置方法 |
|
算法原理 • 梯度下降算法原理 • 方向传播算法原理 • 卷积神经网络算法原理 • 循环神经网络(rnn)算法原理 • 循环神经网络(lstm)算法原理 |
|
算法实现(python) • 梯度下降算法实现 • 反向传播算法实现 • 卷积神经网络(cnn)实现 • 循环神经网络(rnn)算法实现 • 循环神经网络(lstm)算法实现 |
|
应用实战(tensorlfow, caffe,keras) • 手写数字识别mnist dataset • 使用卷积神经网络(CNN)对图片做分类 cifar10 dataset 单GPU版本 • 使用卷积神经网络(CNN)对图片做分类 cifar10 dataset 多GPU版本 • 使用卷积神经网络(CNN)把图片模仿成大师画的风格 • 使用循环神经网络(RNN) 自动生成文本 • 使用循环神经网络(RNN) 聊天对话机器人 |
近期公开课推荐
