1、课程目标
- 学习深度学习基础知识,包括经典模型、优化方法、训练技巧。
- 很多知识已经被研究过了,多动手训练。
- Keywords:
基础:pytorch基础、机器学习基础、感知器、前馈神经网络、误差反向传播…
近代网络:卷积神经网络、常用CNN模型、视觉目标分类、监测、分割.
其他:生成式神经网络、循环神经网络、LSTM、GRU、注意力机制.
应用实践:“动态人脸识别系统比拼”、“基于注意力网络的人脸表情识别”. - 成绩评估:实践作业(35%,共7次) > 期末课程论文(30%,4-6页) > PPT展示presentation(20%) > 随堂测试(10%) > 考勤(5%).
- 推荐书籍:《动手学深度学习》pytorch版本(原作为MXNet框架),与课程PPT契合度高,有 网页版
《深入浅出pytorch——从模型到源码》——pytorch基础 - 前提知识:python编程、高等数学(矩阵运算、求导)、机器学习基础.
2、基础知识
- 概述:AI有可塑性、可调性(仅阈值&