##說明
在本課程中，您將實際認識卷積神經網路 (CNN) 的元件，例如卷積和池化層等。在本課程中，Alex Smola 和 Tong He 會介紹如何使用電腦視覺工具組──GluonCV 實作部分電腦視覺技術。
注意：本課程具有本地化的註釋/字幕。旁白保留英語。
要顯示字幕，請按一下播放器右下角的 CC 按鈕。
##目標對象
本課程適用於：
– 想要實作常見電腦視覺模型的開發人員
##課程目標
在本課程中，您將了解如何：
– 總結各種卷積神經網路元件，例如卷積、填充和通道等。
– 當建立神經網路 (如 LeNet) 時將元件轉換為程式碼
– 將您的資料匯入到 Gluon Data Loader 進行訓練和轉換
##先決條件
我們建議參加本課程的人員需具備下列先決條件：
– 基本了解人工神經網路
– 了解基本的線性代數主題，例如矩陣、矩陣乘法和內積
##授課方式
本課程透過以下方式授課：
– 數位培訓
##持續時間
2 小時
##課程大綱
本課程涵蓋下列概念：
– 卷積
– 填充和步伐
– 通道
– 池化運算
– LeNet
– 啟用函數
– DropOut
– 批次標準化
– 區塊
– 最後層的詛咒
– 剩餘網路
– 資料處理
