《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
《親自動手寫一個深度學習框架》-專題視頻課程-廣州市老劉
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.