学习目标:
学完阿里天池:
基于人脸的常见表情识别实战
学习内容:
神经网络
- 感知机
- 多层感知机与反向传播
卷积神经网络
- 全连接神经网络的2大缺陷
- 卷积神经网络的崛起
卷积神经网络的基本网络层
- 什么是卷积?
- 填充(Padding)
- 步长(Stride)
- 池化
- 卷积和池化输出尺寸计算
- 为什么要用卷积来学习呢?
- 卷积神经网络的优势在哪?
学习时间:
已经学过了 所以很快
学习产出:
重要的几个点:
1、深度学习中的卷积并非需要翻转,而是互相关;因为参数是在不断更新的,卷积核是否翻转对结构也没有明显影响。
2、在学习中 重要的是尽量扩大感知野的范围,可以通过:池化、下采样、空洞卷积