卷积神经网络
Back to Home
01. 介绍 Alexis
02. CNN 的应用
03. 课程大纲
04. MNIST 数据集
05. 计算机如何解析图像
06. MLP 结构和类别分数
07. 调查研究
08. 损失和优化
09. 在 PyTorch 中定义网络
10. 训练网络
11. Pre-Notebook：MLP 分类练习
12. Notebook：MLP 分类 MNIST
13. 一种解决方案
14. 模型验证
15. 验证损失
16. 图像分类步骤
17. MLP 与 CNN
18. 局部连接性
19. 过滤器和卷积层
20. 过滤器和边
21. 图像频率
22. 高通滤波器
23. 练习：核
24. OpenCV 和创建自定义过滤器
25. Notebook：寻找边缘
26. 卷积层
27. 卷积层（第 2 部分）
28. 步长和填充
29. 池化层
30. Notebook：层级可视化
31. 胶囊网络
32. 增加深度
33. 图像分类 CNN
34. PyTorch 中的卷积层
35. 特征向量
36. Pre-Notebook：CNN 分类
37. Notebook：CIFAR 图像分类 CNN
38. CIFAR 分类示例
39. PyTorch 中的 CNN
40. 图像增强
41. 通过转换增强图像
42. 突破性的 CNN 结构
43. 可视化 CNN（第 1 部分）
44. 可视化 CNN（第 2 部分）
45. CNN 总结
Back to Home
08. 损失和优化
ConNet 05 损失和优化 V1 V3
Next Concept