CS231n 2017 最新课程
博客专区 > clgo 的博客 > 博客详情
CS231n 2017 最新课程
clgo 发表于4个月前
CS231n 2017 最新课程
  • 发表于 4个月前
  • 阅读 52
  • 收藏 0
  • 点赞 0
  • 评论 0

腾讯云 新注册用户 域名抢购1元起>>>   

CS231n近几年一直是计算机视觉领域和深度学习领域最为经典的课程之一。而最近刚刚结课的CS231n Spring 2017 仍由李飞飞主讲,并邀请了Goodfellow等人对其中部分章节详细介绍。本课程从计算机视觉的基础概念开始,在奠定了基本分类模型、神经网络和优化算法的基础后,详细介绍了CNN、RNN、GAN、RL等深度模型在计算机视觉上的应用。

课程主页:

http://cs231n.stanford.edu/2017/

课程PPT:

http://cs231n.stanford.edu/slides/2017/

在线视频:

https://www.bilibili.com/video/av13260183

参考资料:

1.cs231n 2016 中文字幕版

2.cs231n 2016 笔记翻译

课程内容:

第一讲

这一讲做了整体课程介绍,包括计算机视觉概述、历史背景以及课程组织等。

第二讲

图像分类:数据驱动方法、K-最近邻、线性分类。

第三讲

损失函数和优化:包括线性分类II,高阶表征、图像特点,优化、随机梯度下降等内容。

第四讲

神经网络:介绍反向传播、多层感知器、神经元的概念。

第五讲

卷积神经网络:卷积神经网络的历史、卷积和池化、卷积神经网络的前瞻和愿景。

第六讲

训练神经网络(I):包括激活函数、权重初始化、批量归一化等内容。

第七讲

训练神经网络(II):优化方法、模型集成、正则化、数据扩张和迁移学习等。

第八讲

深度学习软件: Caffe、Torch、Theano、TensorFlow、Keras、PyTorch等。

第九讲

CNN架构:AlexNet,VGG,GoogLeNet,ResNet等。

第十讲

循环神经网络:主要包括RNN,LSTM,GRU,从语言建模、图像描述、视觉问答系统等方面进行描述。

第十一讲

检测和分割:语义分割、目标检测、实例分割。

第十二讲

可视化和理解:特征可视化和反演、对抗样本、DeepDream(深度梦想)和风格转移。

第十三讲

生成模型:PixelRNN / CNN 、变分自编码器、生成式对抗网络。

第十四讲

强化学习:策略梯度,hard attention模型;Q-Learning和 Actor-Critic学习。

第十五讲

现实世界使用:卷积算法,CPU / GPU、低精度模型压缩。

第十六讲

对抗性样本和对抗性训练:该部分由lan goodfellow主讲,详细讲解了对抗性样本和对抗性训练。

共有 人打赏支持
粉丝 2
博文 87
码字总数 34305
×
clgo
如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!
* 金额(元)
¥1 ¥5 ¥10 ¥20 其他金额
打赏人
留言
* 支付类型
微信扫码支付
打赏金额:
已支付成功
打赏金额: