你将收获

在常见的图像分类等应用场景之外，进一步理解特征的应用，可以尝试开发出更多更有趣的应用。通过对特征使用的分析，希望能让大家对于运用卷积神经网络处理实际工业需求有进一步的理解。

适用人群

机器学习领域的学习者，具备python基础，能够理解“特征”，“梯度下降”，“反向传播”这些名词的含义，希望能够使用深度神经网络处理更多工业上的需求的人群。

课程介绍

卷积神经网络视频教程，该课程以卷积神经网络处理图像为例，探讨了卷积得到的特征图（feature maps）的特性和运用，展示了特征在数据重建、图像生成、对抗样本、相似图查找等等领域的广泛运用，并辅以代码示例，帮助学员更好地理解深度学习和传统机器学习，乃至传统计算机视觉的关系。

课程目录

用AI创作
去问答提问
推荐

嵌入式工程师养成计划之——嵌入式软件工程师完全学习指南

6节朱有鹏

OpenGL

138节张立铜

循环神经网络RNN与LSTM

3节王而川

Python文本数据分析--实战视频教学

14节唐宇迪

Node.js进阶教程第一步(基础篇)

18节何韬

Google开发专家带你入门神经网络

15节彭靖田

CSDN讲师老师的其他课程
更多

架构师成长计划

CSDN讲师 910人学习

面向全场景模块化设计，京东智联云自研服务器探索

CSDN讲师 445人学习

在金融行业中如何使用Python加速建模运算

CSDN讲师 854人学习

后疫情时代，敏捷团队管理的升级密码

CSDN讲师 343人学习

构建可视化研发工作流，制定规模化敏捷策略

CSDN讲师 436人学习