《親自動手寫一個深度學習框架》-專題視頻課程-廣州市老劉

《親自動手寫一個深度學習框架》
課程介紹    

    Caffe、Tensorflow等框架靈活好用，但也屏蔽了很多技術細節，對我們的學習很不利！ 本課程帶領大家親自動手寫一個深度學習框架，理解常用技術的底層實現。具體安排如下： 1.板書完成數學推導，同時畫圖講解； 2.基礎：Python實現多層感知器； 3.進階：C++實現深度學習框架； 4.穿插講解重點的Python、C++知識。
課程收益
    掌握深度學習技術的底層細節；
    擁有屬於自己的深度學習框架；
    掌握Armadillo、protobuf等庫的使用；
    提高面試競爭力；
講師介紹
    劉高聯更多講師課程
    熟悉C/C++、Java、Python等編程語言，熟悉ROS系統； 擁有豐富的嵌入式、計算機視覺和圖像處理產品研發經驗。領導開發的圖像型林火預警系統已經在多處山林應用。
課程大綱
    1.本課程介紹  14:56
    2.神經元、多層感知器和人工智能  16:56
    3.理論分析：梯度下降算法  19:34
    4.理論分析：反向傳播算法  30:02
    5.思路分析：如何利用Python實現多層感知器？  18:20
    6.Anaconda環境搭建、數據準備  17:38
    7.代碼實踐：MLP的前向傳播  21:59
    8.代碼實踐：MLP的反向傳播  26:47
    9.代碼實踐：梯度檢驗  24:36
    10.代碼實踐：探索各種激活函數  23:12
    11.代碼實踐：探索各種權重初始化  19:44
    12.代碼實踐：探索各種優化算法  44:33
    13.理論分析：BatchNormalization  32:08
    14.代碼實踐：BatchNormalization  34:20
    15.理論分析：CNN的前向傳播  27:52
    16.理論分析：CNN的反向傳播  18:31
    17.深度學習框架Caffe基礎入門  38:23
    18.思路分析：如何設計自己的框架？  10:16
    19.環境準備：Json、Armadillo、Protobuf  17:11
    20.代碼實踐：利用json定義網絡結構  45:39
    21.代碼實踐：設計內部數據結構——Blob  23:35
    22.代碼實踐：加載Mnist數據集到Blob  20:37
    23.代碼實踐：逐層構造數據Blob和梯度Blob  30:27
    24.代碼實踐：逐層初始化（上）  30:27
    25.代碼實踐：逐層初始化（下）  34:30
    26.代碼實踐：將Blob切割爲mini-batch  22:46
    27.代碼實踐：卷積層的前向傳播  30:26
    28.代碼實踐：激活層、池化層的前向傳播  30:03
    29.代碼實踐：全連接層、損失層的前向傳播  34:45
    30.代碼實踐：損失層、全連接層的反向傳播  28:02
    31.代碼實踐：池化層、激活層的反向傳播  27:13
    32.代碼實踐：模型參數優化和評估  28:46
    33.添磚加瓦：實現模型微調功能（fine-tune）  46:21
    34.添磚加瓦：實現SVM損失層  22:57
    35.添磚加瓦：實現更多的優化器  24:52
大家可以點擊【查看詳情】查看我的課程