该课程介绍了深度学习的基础——卷积神经网络（CNN）。从Smallregion、SamePattern和Subsamping三个方面阐述CNN设计理念，详细讲解了CNN架构中的Convolutional、MaxPooling和Flatten层，并通过Keras实现CNN。此外，还分析了CNN如何从图像中学习，并探讨了其在围棋、语音识别等领域的应用。
本次学习课程讲述了深度学习中的基础内容——卷积神经网络CNN。
首先分别从Small region、Same Pattern和Subsamping三个角度引入CNN的设计思路；
接着详细介绍了CNN的架构，Convolutional、MaxPooling和Flatten，并通过Keras代码简单实现了CNN；
同时从形象意义上分析了CNN到底从图像中学习到了什么东西；
最后讲述了CNN的一些典型应用，例如围棋、AlphaGo、语音和文本等等。
参考资料：
李宏毅机器学习(6)-卷积神经网络
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
