《亲自动手写一个深度学习框架》
课程介绍
Caffe、Tensorflow等框架灵活好用,但也屏蔽了很多技术细节,对我们的学习很不利! 本课程带领大家亲自动手写一个深度学习框架,理解常用技术的底层实现。具体安排如下: 1.板书完成数学推导,同时画图讲解; 2.基础:Python实现多层感知器; 3.进阶:C++实现深度学习框架; 4.穿插讲解重点的Python、C++知识。
课程收益
掌握深度学习技术的底层细节;
拥有属于自己的深度学习框架;
掌握Armadillo、protobuf等库的使用;
提高面试竞争力;
讲师介绍
刘高联更多讲师课程
熟悉C/C++、Java、Python等编程语言,熟悉ROS系统; 拥有丰富的嵌入式、计算机视觉和图像处理产品研发经验。领导开发的图像型林火预警系统已经在多处山林应用。
课程大纲
1.本课程介绍 14:56
2.神经元、多层感知器和人工智能 16:56
3.理论分析:梯度下降算法 19:34
4.理论分析:反向传播算法 30:02
5.思路分析:如何利用Python实现多层感知器? 18:20
6.Anaconda环境搭建、数据准备 17:38
7.代码实践:MLP的前向传播 21:59
8.代码实践:MLP的反向传播 26:47
9.代码实践:梯度检验 24:36
10.代码实践:探索各种激活函数 23:12
11.代码实践:探索各种权重初始化 19:44
12.代码实践:探索各种优化算法 44:33
13.理论分析:BatchNormalization 32:08
14.代码实践:BatchNormalization 34:20
15.理论分析:CNN的前向传播 27:52
16.理论分析:CNN的反向传播 18:31
17.深度学习框架Caffe基础入门 38:23
18.思路分析:如何设计自己的框架? 10:16
19.环境准备:Json、Armadillo、Protobuf 17:11
20.代码实践:利用json定义网络结构 45:39
21.代码实践:设计内部数据结构——Blob 23:35
22.代码实践:加载Mnist数据集到Blob 20:37
23.代码实践:逐层构造数据Blob和梯度Blob 30:27
24.代码实践:逐层初始化(上) 30:27
25.代码实践:逐层初始化(下) 34:30
26.代码实践:将Blob切割为mini-batch 22:46
27.代码实践:卷积层的前向传播 30:26
28.代码实践:激活层、池化层的前向传播 30:03
29.代码实践:全连接层、损失层的前向传播 34:45
30.代码实践:损失层、全连接层的反向传播 28:02
31.代码实践:池化层、激活层的反向传播 27:13
32.代码实践:模型参数优化和评估 28:46
33.添砖加瓦:实现模型微调功能(fine-tune) 46:21
34.添砖加瓦:实现SVM损失层 22:57
35.添砖加瓦:实现更多的优化器 24:52
大家可以点击【查看详情】查看我的课程
《亲自动手写一个深度学习框架》-专题视频课程-广州市老刘
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.