深度学习
1.
深度学习与神经网络
1.1.
深度学习介绍
1.2.
神经网络基础
1.3.
浅层神经网络
1.4.
深层神经网络
1.5.
总结
1.6.
每日作业
2.
深度学习进阶
2.1.
多分类与TensorFlow
2.2.
梯度下降算法改进
2.3.
深度学习正则化
2.4.
神经网络调优与BN
2.5.
总结
2.6.
每日作业
3.
卷积神经网络
3.1.
图像数据与边缘检测
3.2.
卷积神经网络(CNN)原理
3.3.
经典分类网络结构
3.4.
CNN网络实战技巧
3.5.
总结
3.6.
每日作业
4.
循环神经网络
4.1.
循环神经网络
4.2.
词嵌入与NLP
4.3.
seq2seq与Attention机制
4.4.
总结
4.5.
每日作业
5.
高级主题
5.1.
生成对抗网络(GAN)
5.2.
自动编码器
5.3.
CapsuleNet
5.4.
总结
5.5.
每日作业
Published with GitBook
深度学习
循环神经网络
了解序列模型相关概念 掌握循环神经网络原理 应用RNN原理手写一个RNN的前向和反向传播过程 了解词嵌入的优势 掌握词嵌入的训练gensim库的使用 掌握编解码网络的原理 掌握Attention机制