课程简介
深度学习的核心是算法，方法是算法的实现，工具是各种深度学习框架
目标收益
1. 深度学习核心原理（很重要，占50%）
讲解深度学习运行的最核心算法原理与基础知识
为之后的代码实现与应用打下坚实的基础
2. 深度学习核心算法实现（占20%）
根据算法原理，用代码实现不同的神经网络
让你看到深度学习的实际运用
3. 各大主流深度学习框架
（以Tensorflow 为主，占30％）
讲解深度学习运行的最核心算法原理与基础知识
为之后的代码实现与应用打下坚实的基础
培训对象
希望对深度学习了解的技术人员
深度学习初级从业人员
课程大纲
| 一 课程介绍 |
1.课程概述 2.课前准备 3.深度学习简介—-神经元 4.深度学习简介—-激励函数 5.深度学习简介—-神经网络/深度神经网络 6.深度学习为什么这么强 7.深度学习的应用 |
| 二 前馈神经网络 |
1.网络结构 2.网络结构 代码实现 3.线性回归的训练--样本，开始训练 4.线性回归的训练--梯度下降法，一元凸函数 5.线性回归的训练--二元凸函数 6.神经网络的训练--前向传播 7 神经网络的训练--前向传播 代码实现 8.神经网络的训练--反向更新 9.神经网络的训练--反向更新 代码实现 10.神经网络的训练--随机梯度下降 11.神经网络的训练--随机梯度下降 代码实现 12.应用案例—-前馈神经网络代码的手写数字识别 |
|
三 提高神经网络的学习效率 |
1.并行计算 2.梯度消失问题 3.归一化 4.参数的初始化问题 5.参数的初始化问题 代码实现 6.正则化 7.正则化 代码实现 8.学习率和dropout 9.交叉熵 10.交叉熵 代码实现 11.模型的保存和加载及代码实现 12.应用案例—-提高版本的前馈神经网络代码的手写数字识别 |
| 四 卷积神经网络 |
1.与全连接网络的对比 2.全连接层GPU实现 代码实现 3.卷积核 4.卷积层其他参数 5.池化层 6.卷积池化层 代码实现 7.典型的cnn网络 8.图片识别 9.softmax 10.softmax层 代码实现 11.应用案例—-卷积神经网络代码的手写数字识别 |
| 五 tensorflow |
1.tensorflow简介 2.tensorflow如何选择好的框架 3.多环境与集群支持 4.应用案例—-tensorflow版本的线性回归的实现 5.tensorboard 6.tensorboard 使用演示 7.训练模型的加载与保存 8.应用案例—-tensorflow版本的手写数字识别 |
| 六.cnn对图片分类(CIFAR-10) |
1.简介 2.tensorflow单GPU版本 3.tensorflow多GPU版本 |
| 七 其他框架是怎么做的 |
1.caffe应用对比 2.keras应用对比 |
|
一 课程介绍 1.课程概述 2.课前准备 3.深度学习简介—-神经元 4.深度学习简介—-激励函数 5.深度学习简介—-神经网络/深度神经网络 6.深度学习为什么这么强 7.深度学习的应用 |
|
二 前馈神经网络 1.网络结构 2.网络结构 代码实现 3.线性回归的训练--样本，开始训练 4.线性回归的训练--梯度下降法，一元凸函数 5.线性回归的训练--二元凸函数 6.神经网络的训练--前向传播 7 神经网络的训练--前向传播 代码实现 8.神经网络的训练--反向更新 9.神经网络的训练--反向更新 代码实现 10.神经网络的训练--随机梯度下降 11.神经网络的训练--随机梯度下降 代码实现 12.应用案例—-前馈神经网络代码的手写数字识别 |
|
三 提高神经网络的学习效率 1.并行计算 2.梯度消失问题 3.归一化 4.参数的初始化问题 5.参数的初始化问题 代码实现 6.正则化 7.正则化 代码实现 8.学习率和dropout 9.交叉熵 10.交叉熵 代码实现 11.模型的保存和加载及代码实现 12.应用案例—-提高版本的前馈神经网络代码的手写数字识别 |
|
四 卷积神经网络 1.与全连接网络的对比 2.全连接层GPU实现 代码实现 3.卷积核 4.卷积层其他参数 5.池化层 6.卷积池化层 代码实现 7.典型的cnn网络 8.图片识别 9.softmax 10.softmax层 代码实现 11.应用案例—-卷积神经网络代码的手写数字识别 |
|
五 tensorflow 1.tensorflow简介 2.tensorflow如何选择好的框架 3.多环境与集群支持 4.应用案例—-tensorflow版本的线性回归的实现 5.tensorboard 6.tensorboard 使用演示 7.训练模型的加载与保存 8.应用案例—-tensorflow版本的手写数字识别 |
|
六.cnn对图片分类(CIFAR-10) 1.简介 2.tensorflow单GPU版本 3.tensorflow多GPU版本 |
|
七 其他框架是怎么做的 1.caffe应用对比 2.keras应用对比 |
近期公开课推荐
