说明
在本课程中，您将对卷积神经网络 (CNN) 的组成部分（如卷积层和池化层等）有一个实用的理解。在本课程中，Alex Smola 和 Tong He 演示如何使用计算机视觉工具包 GluonCV 来实施一些计算机视觉技术。
注意：本课程具有本地化的注释/字幕。旁白保留英语。要显示字幕，请按一下播放器右下角的 CC 按钮。
目标受众
本课程面向：
- 希望实施常见计算机视觉模型的开发人员
课程目标
在本课程中，您将学习如何：
- 总结各种卷积神经网络组成部分，例如卷积、填充和通道
- 在创建 LeNet 等神经网络时，将组成部分转换为代码
- 将数据导入 Gluon 数据加载器进行训练和转换
先决条件
我们建议本课程的参与人员满足以下先决条件：
- 基本了解人工神经网络
- 基本了解线性代数主题，例如矩阵、矩阵乘法和点积
授课方式
本课程将采用以下方式授课：
- 数字化培训
时长
2 小时
课程大纲
本课程涵盖以下概念：
- 卷积
- 填充和步长
- 通道
- 池化
- LeNet
- 激活函数
- DropOut
- 批标准化
- 数据块
- 最后一层的难题
- 残差网络
- 数据处理
