全部课程 > Python+人工智能 > AlexNet模型实现

授课机构:速学堂

AlexNet模型实现

卷积神经网络仿造生物的视知觉(visual perception)机制构建

价      格免费

优惠活动   无

特色服务 社区交流 24H答疑 作业批改 系统化学习 资料下载
选择班次

报班即学,有效期320天

课程简介

  对卷积神经网络的研究始于二十世纪80至90年代,时间延迟网络和LeNet-5是最早出现的卷积神经网络 [4] ;在二十一世纪后,随着深度学习理论的提出和数值计算设备的改进,卷积神经网络得到了快速发展,并被大量应用于计算机视觉、自然语言处理等领域 [2] 。

  卷积神经网络仿造生物的视知觉(visual perception)机制构建,可以进行监督学习和非监督学习,其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化(grid-like topology)特征,例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程(feature engineering)要求。


适合人群

l 适合零基础学人工智能语言的初学者

  l 想转行进入人工智能行业的工作人员

  l 想要了解人工智能开发的前景人员

课程亮点

  AlexNet中包含了几个比较新的技术点,也首次在CNN中成功应用了ReLU、Dropout和LRN等Trick。同时AlexNet也使用了GPU进行运算加速。

  AlexNet将LeNet的思想发扬光大,把CNN的基本原理应用到了很深很宽的网络中

主讲内容

  01_解决梯度消失的三个思路

  02_反向传播计算W对应的梯度

  03_AlexNet五层卷积benchmark代码实现

猜您喜欢

我知道了

现在就与学习导师聊一聊

北京总部地址:北京市海淀区西三旗街道建材城西路中腾建华商务大厦东侧二层尚学堂

咨询电话:400-009-1906 010-56233821

Copyright 2007-2019 北京尚学堂科技有限公司 京ICP备13018289号-1 京公网安备11010802015183