亲自动手写一个深度学习框架

亲自动手写一个深度学习框架
共41节 2849人在学 课程详情
  • 本课程介绍
  • 神经元、多层感知器和人工智能
  • 理论分析:梯度下降算法
  • 理论分析:反向传播算法
  • 思路分析:如何利用Python实现多层感知器?
  • Anaconda环境搭建、数据准备
  • 代码实践:MLP的前向传播
  • 代码实践:MLP的反向传播
  • 代码实践:梯度检验
  • 代码实践:探索各种激活函数
  • 代码实践:探索各种权重初始化
  • 代码实践:探索各种优化算法
  • 理论分析:BatchNormalization
  • 代码实践:BatchNormalization
  • 理论分析:CNN的前向传播
  • 理论分析:CNN的反向传播
  • 深度学习框架Caffe基础入门
  • 思路分析:如何设计自己的框架?
  • 环境准备:Json、Armadillo、Protobuf
  • 代码实践:利用json定义网络结构
  • 代码实践:设计内部数据结构——Blob
  • 代码实践:加载Mnist数据集到Blob
  • 代码实践:逐层构造数据Blob和梯度Blob
  • 代码实践:逐层初始化(上)
  • 代码实践:逐层初始化(下)
  • 代码实践:将Blob切割为mini-batch
  • 代码实践:卷积层的前向传播
  • 代码实践:激活层、池化层的前向传播
  • 代码实践:全连接层、损失层的前向传播
  • 代码实践:损失层、全连接层的反向传播
  • 代码实践:池化层、激活层的反向传播
  • 代码实践:卷积层的反向传播
  • 代码实践:模型参数优化和评估
  • 添砖加瓦:实现模型微调功能(fine-tune)
  • 添砖加瓦:实现SVM损失层
  • 添砖加瓦:实现更多的优化器
  • 添砖加瓦:实现对L2正则化的支持
  • 添砖加瓦:实现Dropout层
  • 添砖加瓦:实现BN层和Scale层
  • 添砖加瓦:实现通用的图片数据接口
  • 总结与展望

    订阅失败

    亲自动手写一个深度学习框架
    亲自动手写一个深度学习框架 ...

    订阅列表已满,请先移出部分订阅内容。

    当前章节需购买后观看
    开通超级会员免费看!专家精选系列课程,满足你从入门到精通!更有问答月卡免费送,你的问题有问必答!
    提交答案

    购买课程

    扫码完成付费,可继续学习全部课程内容

    加载中...
    播放页问题反馈
    视频学习中有任何产品建议都可由此反
    馈,我们将及时处理!

    课时介绍

    正则化、过拟合、欠拟合、L2范数、L2正则化、L1范数、L1正则化、梯度下降、激活函数、多层感知器、池化层、卷积层、卷积神经网络 、卷积 、神经网络、深度学习、矩阵求导、前向传播、反向传播

    课程介绍

    在开始深度学习项目之前,选择一个合适的框架是非常重要的,因为选择一个合适的框架能起到事半功倍的作用。Caffe、Tensorflow等框架灵活好用,但也屏蔽了很多技术细节,对我们的学习有很多不利之处!! 本课程带领大家亲自动手写一个更方便大家使用的深度学习框架,帮助大家理解常用技术的底层实现。具体安排如下: 1.板书完成数学推导,同时画图讲解; 2.基础:Python实现多层感知器; 3.进阶:C++实现深度学习框架; 4.穿插讲解重点的Python、C++知识。 我相信这次学习能给大家带来不一样的体验!!!
    推荐课程

    信息系统项目管理师自考笔记

    李明 · 729人在学

    python从0到1:期货量化交易系统(CTP实战,高频及合成K线数据

    王先生 · 22117人在学

    手把手搭建Java超市管理系统【附源码】(毕设)

    汤小洋 · 4209人在学

    Java毕设springboot外卖点餐系统 毕业设计毕设源码 使用教

    黄菊华 · 788人在学

    基于SSM酒店管理系统(毕设)

    小尼老师 · 842人在学

    java项目实战之购物商城(java毕业设计)

    Long · 5155人在学

    手把手搭建Java求职招聘系统【附源码】(毕设)

    汤小洋 · 1506人在学

    Python Django 深度学习 小程序

    钟翔 · 2323人在学

    城管局门前三包管理系统+微信小程序(vue+springboot)

    赖国荣 · 599人在学

    Vue+Uni-app(uniapp)入门与实战+赠送仿美团点餐小程序

    李杰 · 3987人在学

    正在试验
    后自动删除环境
    课程实验
    本次实验时间已到期 00:00:00
    课件正在飞速打包中,请耐心等待几秒钟~