Computer Vision with GluonCV (Simplified Chinese)

说明

在本课程中，您将对卷积神经网络 (CNN) 的组成部分（如卷积层和池化层等）有一个实用的理解。在本课程中，Alex Smola 和 Tong He 演示如何使用计算机视觉工具包 GluonCV 来实施一些计算机视觉技术。

注意：本课程具有本地化的注释/字幕。旁白保留英语。要显示字幕，请按一下播放器右下角的 CC 按钮。

目标受众

本课程面向：

• 希望实施常见计算机视觉模型的开发人员

课程目标

在本课程中，您将学习如何：

• 总结各种卷积神经网络组成部分，例如卷积、填充和通道
• 在创建 LeNet 等神经网络时，将组成部分转换为代码
• 将数据导入 Gluon 数据加载器进行训练和转换

先决条件

我们建议本课程的参与人员满足以下先决条件：

• 基本了解人工神经网络
• 基本了解线性代数主题，例如矩阵、矩阵乘法和点积

授课方式

本课程将采用以下方式授课：

• 数字化培训

时长

2 小时

课程大纲

本课程涵盖以下概念：

• 卷积
• 填充和步长
• 通道
• 池化
• LeNet
• 激活函数
• DropOut
• 批标准化
• 数据块
• 最后一层的难题
• 残差网络
• 数据处理