课程介绍
讲解深度学习的定义及理解;深度学习的基础常识。
讲解深度神经网络的结构以及代码实现;激活函数的原理及作用。
讲解计算机图像生成的原理;卷积原理作用;卷积神经网络概述;手写数字识别案例。
讲解 ImageNet、常见深层卷积神经网络、迁移学习、cifar10 分类识别。
讲解循环神经网络概述;RNN 工作原理;RNN 简单案例实现。
讲解 RNN 算法缺陷、LSTM 原理及应用实战。
讲解 GRU 算法原理及应用实战。
讲解生成对抗神经网络原理、模型应用场景、黑白照片上色案例。
讲解强化学习定义、原理及应用实战。
讲解 Transformer 模型结构、自注意力机制。
课程目录
01. 深度学习概述
02. 深度前馈网络
03. 卷积神经网络
04. 深层卷积神经网络
05. 循环神经网络
06. 长短期记忆网络
07. 门控循环神经网络
08. 生成对抗神经网络
09. 强化学习
10. 序列生成神经网络
查看更多
看过的人还看了





