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

开课时间:2017年11月10日
开课时长:讲座共有6个lecture,3个 Guest Talk,已完结。加入小组即可立即观看(完全免费):https://ai.yanxishe.com/page/groupDetail/19。
免费课 基础入门
现价: 免费
该课程已关闭

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

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 86398
开课日期:开始
机器学习 基础入门 111075

授课教师

暂无教师
微信扫码分享课程