- 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