首页 AI学术青年与开发者社区

【中文字幕】2017春季CS231n 斯坦福深度视觉识别课

课时列表 38课时
  • Lecture1 - CS231n课程介绍
  • 课时1 : 1.1 计算机视觉概述
    07:29
  • 课时2 : 1.2 计算机视觉历史背景
    29:30
  • 课时3 : 1.3 课程后勤
    22:22
  • Lecture2 - 图像分类
  • 课时4 : 2.1 图像分类 - 数据驱动方法
    23:50
  • 课时5 : 2.2 图像分类 - K最近邻算法
    23:08
  • 课时6 : 2.3 图像分类 - 线性分类I
    13:55
  • 课时7 : 作业#1: Image Classification, kNN, SVM, Softmax, Neural Network
    00:00
  • Lecture3 - 损失函数和优化
  • 课时8 : 3.1 损失函数
    50:08
  • 课时9 : 3.2 优化
    25:30
  • Lecture4 - 介绍神经网络
  • 课时10 : 4.1 反向传播
    55:40
  • 课时11 : 4.2 神经网络
    19:12
  • 课时12 : 作业 #2 due Neural networks, ConvNets
    00:00
  • Lecture5 - 卷积神经网络
  • 课时13 : 5.1 历史
    14:15
  • 课时14 : 5.2 卷积和池化
    36:55
  • 课时15 : 5.3 视觉之外的卷积神经网络
    19:03
  • lecture6 - 训练神经网络(上)
  • 课时16 : 6.1 激活函数
    49:21
  • 课时17 : 6.2 批量归一化
    31:54
  • Lecture7 - 训练神经网络(下)
  • 课时18 : 7.1 更好的优化
    55:18
  • 课时19 : 7.2 正则化
    15:15
  • 课时20 : 7.3 迁移学习
    06:21
  • Lecture8 - 深度学习软件
  • 课时21 : 8.1Caffe,Torch,Theano,TensorFlow,Keras,PyTorch等
    78:35
  • 课时22 : 作业 #3 due
    00:00
  • Lecture9 -CNN架构
  • 课时23 : AlexNet,VGG,GoogLeNet,ResNet等
    78:08
  • Lecture10 - 循环神经网络
  • 课时24 : 10.1 RNN, LSTM, GRU
    21:13
  • 课时25 : 10.2 语言模型
    22:07
  • 课时26 : 10.3 图像标注、视觉问答、 Soft attention模型
    34:31
  • Lecture11 - 图像识别和分割
  • 课时27 : 11.1 分割
    33:23
  • 课时28 : 11.2 定位
    10:17
  • 课时29 : 11.3 识别
    32:41
  • Lecture12 - 可视化和理解卷积神经网络
  • 课时30 : 12.1 特征可视化、倒置、对抗样本
    52:15
  • 课时31 : 12.2 DeepDream和风格迁移
    24:34
  • Lecture13 - 生成模型
  • 课时32 : 13.1 Pixel RNN/CNN
    20:06
  • 课时33 : 13.2 变分自编码器
    33:50
  • 课时34 : 13.3 生成式对抗网络
    30:34
  • Lecture14 - 深度增强学习
  • 课时35 : 14.1 策略梯度,硬注意
    16:02
  • 课时36 : 14.2 Q-Learning, Actor-Critic算法
    49:03
  • Lecture15 - 特邀讲座:Song Han
  • 课时37 : 15.1 深度学习的方法及硬件
    77:38
  • Lecture16 - 特邀讲座:Ian Goodfellow
  • 课时38 : 16.1 对抗样本和对抗训练
    82:22

相关课程

开课日期:直播已结束,可回看开始
智能驾驶 基础入门 83653
开课日期:开始
机器学习 基础入门 105765
微信扫码分享课程