温州大学《深度学习》课程课件（四、浅层神经网络）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。

本章内容见“授课计划”的标红部分

使用教材：吴恩达《深度学习》课程笔记，这门课基本按照吴恩达老师的课程进度进行，但使用的深度学习框架我改成了PyTorch。

课外参考书：《深度学习》，人民邮电出版社，IAN GOODFELLOW 等，2017 年出版

课程资源下载链接（吴恩达老师的深度学习课程笔记以及相关资源）：

https://github.com/fengdu78/deeplearning_ai_books

授课计划

模块 1 课程导学以及深度学习简介

模块 2 神经网络基础      

模块 3 浅层神经网络和反向传播算法 实验一   

模块 4 深层神经网络   实验一   

模块 5 Pytorch 基础知识讲解   实验二   

模块 6 深度学习实践   

模块 7 优化算法   实验三   

模块 8 卷积神经网络基础   

模块 9 经典网络 实验四   

模块 10 ResNets 的原理及应用   

模块 11 目标检测的原理和常见算法   实验五   

模块 12 人脸识别与风格转换   

模块 13 循环神经网络 实验五   

模块 14 GRU/LSTM/BIRNN    实验六   

模块 15 自然语言与词嵌入   

模块 16 序列模型与注意力机制 实验六   

期末考核

课件(二、神经网络基础)

备注：请不要用于商业用途。

如果是在校老师，请告知我们学校和姓名，我可以发原版ppt文件，请联系我：[email protected]

配套笔记下载：

https://github.com/fengdu78/deeplearning_ai_books