之前了解到的都是有监督学习（Supervised Learning）：我们有数据x和标签y，目标是学习到一个函数可以将数据x映射到标签y，标签可...

本课重点 特征可视化 DeepDream 风格迁移 1 特征可视化 之前一直把CNN当做黑盒子处理，那么其工作原理是什么样的呢？每一层都在寻找哪...

我们之前都是图像分类的任务，最后一个全连接层得到所有分类的得分。现在我们来研究计算机视觉的其他任务，比如语义分割、图像分类与定位、目标检测、实例...

本课重点： RNN的概念与多种形式 语言模型 图像标注、视觉问答、注意力模型 RNN梯度流 1 RNN的概念与多种形式 1.1 形式 普通的神经...

本课重点： 经典CNN架构AlexNetVGGGoogLeNetResNet 其他架构 1 经典架构 1.1 AlexNet 首先回顾一下在数字...

本次笔记使用的材料是2018版的斯坦福计算机课程Lecture8的ppt，相较于2017版改动了一些内容，总体是比较新的。 本课重点： 深度学习...

上节课介绍了激活函数选择折叶函数，sigmoid和tanh都有饱和的问题；权重初始化不能太小也不能太大，最好使用Xavier初始化；数据预处理使...

目前我们已有的知识有： 计算图：计算前向传播、反向传播 神经网络：神经网络的层结构、非线性函数、损失函数 卷积神经网络：多个滤波器与原图像独立卷...

上一讲的神经网络是线性分类器的堆叠，只不过在中间加入非线性函数，对中间层产生的模板加权后得到最终的得分。卷积神经网络(Convolutional...