微信
支付宝
【课程介绍】
卷积神经网络是深度学习技术中极具代表的网络结构之一，在图像处理领域取得了很大的成功。本课程将会讲解：CNN、卷基层、卷积计算、池化层、池化、全连接等概念。重点讲解如何进行卷积计算？如何进行池化计算？CNN如何训练以及优缺点？什么全连接和激励层？后python图片文本识别的案例。
卷积神经网络是深度学习技术中极具代表的网络结构之一，在图像处理领域取得了很大的成功。本课程将会讲解：CNN、卷基层、卷积计算、池化层、池化、全连接等概念。重点讲解如何进行卷积计算？如何进行池化计算？CNN如何训练以及优缺点？什么全连接和激励层？后python图片文本识别的案例。
【课程收益】
课程需要掌握CNN、卷基层、卷积计算、池化层、池化、全连接等概念。理解CNN是一种黑盒模型，可以利用CNN进行训练学习器。掌握卷积计算和池化计算。掌握所讲的案例，可以利用python编写简单的CNN代码。
课程需要掌握CNN、卷基层、卷积计算、池化层、池化、全连接等概念。理解CNN是一种黑盒模型，可以利用CNN进行训练学习器。掌握卷积计算和池化计算。掌握所讲的案例，可以利用python编写简单的CNN代码。
课程大纲
课件付费后打包下载
- 第一章：初识CNN
-
- 1. 初识CNN与CNN的基本结构 课件付费后下载 11:29
- 2. 初识CNN与CNN的基本结构二 课件付费后下载 9:22
- 第二章：CNN卷积运算
-
- 1. CNN的卷积计算 课件付费后下载 14:53
- 2. CNN的卷积运算二 课件付费后下载 16:06
- 第三章：CNN的池化运算
-
- 1. CNN的池化运算 课件付费后下载 3:53
- 第四章：CNN的全连接
-
- 1. CNN的全连接 课件付费后下载 3:58
- 第五章：CNN总结与补充
-
- 1. CNN的总结与补充一 课件付费后下载 6:32
- 2. CNN总结与补充二 课件付费后下载 5:18
- 第六章：python图片文本识别的案例
-
- 1. 手写文本识别案例一 课件付费后下载 4:11
- 2. 手写文本识别案例二 课件付费后下载 14:45
阅读更多
发布回复
