• 第一次使用必读
  • 常见问题
  • FlyAI本地调试代码指南
  • 预训练模型使用样例
  • FlyAI-GPU使用说明
  • Jupyter本地调试和云端GPU运行
  • 体验MNIST数据集99.26%的准确率
  • FlYAI视频课程
  • 机器学习-吴恩达
  • 深度学习-吴恩达
  • 计算机视觉-斯坦福大学CS231n
  • 自然语言处理-斯坦福大学CS224n
  • FlYAI优质文章
  • 计算机视觉
    • Keras快速入门教程
    • 第一个TensorFlow程序
    • 一小时学会PyTorch
    • MNIST数据集分类
    • ResNet-18实现Cifar-10图像分类
    • tensorflow实现LeNet-5模型
    • TensorFlow实现一个简单的分类网络
    • 二代身份证号识别
    • pytorch实现GAN
    • 利用tensorflow训练简单的生成对抗网络GAN
    • 图片鉴黄模型
    • 验证码识别
    • TensorFlow组件介绍
    • 优化Pytorch的数据加载
    • 自定义多线程优化Pytorch框架的数据加载过程
  • 自然语言处理
    • OCR文字识别
    • 双向LSTM实现字符识别
    • PyTorch实现RNN
    • IMDB英文影评文本分类
    • pytorch实现textCNN
    • Tensorflow实现回归和聚类
    • 中文文本分类
  • 语音识别
    • keras实现语音识别
    • 快速实现语音识别
    • PyTorch语音识别框架
    • TensorFlow 聊天机器人
    • 基于深度学习的中文语音识别
    • 基于深度学习的中文语音识别tutorial
    • 基于深度学习的中文语音识别系统框架
    • 使用DeepSpeech2进行语音识别
  • 本书使用 GitBook 发布

计算机视觉-斯坦福大学CS231n

计算机视觉-CS231n

教程内容收集整理自网络,如有侵权,请联系删除!

目录

1.介绍

  • 1.1 计算机视觉概述
  • 1.2 计算机视觉历史背景
  • 1.3 课程后勤

    2.图像分类

  • 2.1 数据驱动方法
  • 2.2 K最近邻算法
  • 2.3 线性分类I

    3.损失函数和优化

  • 3.1 损失函数
  • 3.2 优化

    4.神经网络介绍

  • 4.1 反向传播
  • 4.2 神经网络

    5.卷积神经网络

  • 5.1 历史
  • 5.2 卷积和池化
  • 5.3 视觉之外的卷积神经网络

    6.训练神经网络1

  • 6.1 激活函数
  • 6.2 批量归一化

    7.训练神经网络2

  • 7.1 更好的优化
  • 7.2 正则化
  • 7.3 迁移学习

    8.深度学习软件

  • 8.1 深度学习软件

    9.CNN架构

  • 9.1 CNN架构

    10.RNN

  • 10.1 RNN,LSTM,GRU
  • 10.2 语言模型
  • 10.3 图像标注,视觉问答,Soft attention模型

    11.检测和分割

  • 11.1 分割
  • 11.2 定位
  • 11.3 识别

    12.可视化和理解

  • 12.1 特征可视化,倒置,对抗样本
  • 12.2 DeepDream和风格迁移

    13.生成模型

  • 13.1 Pixel RNN_CNN
  • 13.2 变分自编码器
  • 13.3 生成式对抗网络

    14.深度强化学习

  • 14.1 策略梯度,硬注意
  • 14.2 Q-Learning,Actor-Critic算法

    15.深度学习的有效方法和硬件

  • 15.1 深度学习的有效方法和硬件

    16.对抗实例与对抗训练

  • 16.1 对抗实例与对抗训练

results matching ""

    No results matching ""