卷积神经网络基础—307人已学习
课程介绍
本课程主要介绍人工智能模型中,卷积神经网络的基础内容和应用。主要包括卷积神经网络的基础概念,梯度计算,反向传播,网络训练等方面的内容。终,学员们会使用课程中学到的内容解决经典的mnist数字识别问题。
课程收益
通过课程的学习,能够理解人工智能的概念,了解人工智能中,卷积神经网络的构成和使用,以及与之相关的参数初始化,模型优化问题,并最终能够应用课程中学到的知识解决mnist的实际问题。
讲师介绍
CSDN就业班 更多讲师课程
专注提供优质教学内容
课程大纲
1. 卷积神经网络介绍 8:50
2. 卷积运算介绍 37:01
3. 池化 17:34
4. 几种卷积神经网络介绍 45:07
5. 卷积神经网络的BP算法 34:54
6. 卷积神经网络的可视化 34:30
7. BatchNormalization_Dropout_Finetune 51:16
8. TensorFlow的四种写法 33:18
9. 第一阶段作业 14:07
大家可以点击【 查看详情】查看我的课程
课程介绍
![jpg](https://img-bss.csdn.net/201851814411567_85506.png?imageMogr2/auto-orient/thumbnail/400x269!/format/jpg)
本课程主要介绍人工智能模型中,卷积神经网络的基础内容和应用。主要包括卷积神经网络的基础概念,梯度计算,反向传播,网络训练等方面的内容。终,学员们会使用课程中学到的内容解决经典的mnist数字识别问题。
课程收益
通过课程的学习,能够理解人工智能的概念,了解人工智能中,卷积神经网络的构成和使用,以及与之相关的参数初始化,模型优化问题,并最终能够应用课程中学到的知识解决mnist的实际问题。
讲师介绍
CSDN就业班 更多讲师课程
专注提供优质教学内容
课程大纲
1. 卷积神经网络介绍 8:50
2. 卷积运算介绍 37:01
3. 池化 17:34
4. 几种卷积神经网络介绍 45:07
5. 卷积神经网络的BP算法 34:54
6. 卷积神经网络的可视化 34:30
7. BatchNormalization_Dropout_Finetune 51:16
8. TensorFlow的四种写法 33:18
9. 第一阶段作业 14:07
大家可以点击【 查看详情】查看我的课程