《亲自动手写一个深度学习框架》-专题视频课程-广州市老刘

《亲自动手写一个深度学习框架》
课程介绍    

    Caffe、Tensorflow等框架灵活好用，但也屏蔽了很多技术细节，对我们的学习很不利！ 本课程带领大家亲自动手写一个深度学习框架，理解常用技术的底层实现。具体安排如下： 1.板书完成数学推导，同时画图讲解； 2.基础：Python实现多层感知器； 3.进阶：C++实现深度学习框架； 4.穿插讲解重点的Python、C++知识。
课程收益
    掌握深度学习技术的底层细节；
    拥有属于自己的深度学习框架；
    掌握Armadillo、protobuf等库的使用；
    提高面试竞争力；
讲师介绍
    刘高联更多讲师课程
    熟悉C/C++、Java、Python等编程语言，熟悉ROS系统； 拥有丰富的嵌入式、计算机视觉和图像处理产品研发经验。领导开发的图像型林火预警系统已经在多处山林应用。
课程大纲
    1.本课程介绍  14:56
    2.神经元、多层感知器和人工智能  16:56
    3.理论分析：梯度下降算法  19:34
    4.理论分析：反向传播算法  30:02
    5.思路分析：如何利用Python实现多层感知器？  18:20
    6.Anaconda环境搭建、数据准备  17:38
    7.代码实践：MLP的前向传播  21:59
    8.代码实践：MLP的反向传播  26:47
    9.代码实践：梯度检验  24:36
    10.代码实践：探索各种激活函数  23:12
    11.代码实践：探索各种权重初始化  19:44
    12.代码实践：探索各种优化算法  44:33
    13.理论分析：BatchNormalization  32:08
    14.代码实践：BatchNormalization  34:20
    15.理论分析：CNN的前向传播  27:52
    16.理论分析：CNN的反向传播  18:31
    17.深度学习框架Caffe基础入门  38:23
    18.思路分析：如何设计自己的框架？  10:16
    19.环境准备：Json、Armadillo、Protobuf  17:11
    20.代码实践：利用json定义网络结构  45:39
    21.代码实践：设计内部数据结构——Blob  23:35
    22.代码实践：加载Mnist数据集到Blob  20:37
    23.代码实践：逐层构造数据Blob和梯度Blob  30:27
    24.代码实践：逐层初始化（上）  30:27
    25.代码实践：逐层初始化（下）  34:30
    26.代码实践：将Blob切割为mini-batch  22:46
    27.代码实践：卷积层的前向传播  30:26
    28.代码实践：激活层、池化层的前向传播  30:03
    29.代码实践：全连接层、损失层的前向传播  34:45
    30.代码实践：损失层、全连接层的反向传播  28:02
    31.代码实践：池化层、激活层的反向传播  27:13
    32.代码实践：模型参数优化和评估  28:46
    33.添砖加瓦：实现模型微调功能（fine-tune）  46:21
    34.添砖加瓦：实现SVM损失层  22:57
    35.添砖加瓦：实现更多的优化器  24:52
大家可以点击【查看详情】查看我的课程