斯坦福 CS231n 全套解读 -- 系列文章
斯坦福 CS231n 全套解读
- 深度学习与CV教程(1) | CV引言与基础
- 深度学习与CV教程(2) | 图像分类与机器学习基础
- 深度学习与CV教程(3) | 损失函数与最优化
- 深度学习与CV教程(4) | 神经网络与反向传播
- 深度学习与CV教程(5) | 卷积神经网络
- 深度学习与CV教程(6) | 神经网络训练技巧 (上)
- 深度学习与CV教程(7) | 神经网络训练技巧 (下)
- 深度学习与CV教程(8) | 常见深度学习框架介绍
- 深度学习与CV教程(9) | 典型CNN架构 (Alexnet, VGG, Googlenet, Restnet等)
- 深度学习与CV教程(10) | 轻量化CNN架构 (SqueezeNet, ShuffleNet, MobileNet等)
- 深度学习与CV教程(11) | 循环神经网络及视觉应用
- 深度学习与CV教程(12) | 目标检测 (两阶段, R-CNN系列)
- 深度学习与CV教程(13) | 目标检测 (SSD, YOLO系列)
- 深度学习与CV教程(14) | 图像分割 (FCN, SegNet, U-Net, PSPNet, DeepLab, RefineNet)
- 深度学习与CV教程(15) | 视觉模型可视化与可解释性
- 深度学习与CV教程(16) | 生成模型 (PixelRNN, PixelCNN, VAE, GAN)
- 深度学习与CV教程(17) | 深度强化学习 (马尔可夫决策过程, Q-Learning, DQN)
- 深度学习与CV教程(18) | 深度强化学习 (梯度策略, Actor-Critic, DDPG, A3C)
=====
深度学习与计算机视觉教程:斯坦福CS231n · 全套笔记解读
- 作者:韩信子@ShowMeAI
- 教程地址:http://www.showmeai.tech/tutorials/37
- 本文地址:http://www.showmeai.tech/article-detail/259
- 声明:版权所有,转载请联系平台与作者并注明出处
- 收藏ShowMeAI查看更多精彩内容
引言
本篇内容是ShowMeAI组织的「深度学习与计算机视觉」系列教程入口,本教程依托于斯坦福Stanford出品的【CS231n:深度学习与计算机视觉】方向专业课程,根据课程视频内容与课程笔记,结合补充资料,针对深度学习与计算机视觉方向的主题做了全面梳理与制作,希望给大家提供专业细致而直观易懂的学习教程。
本系列教程内容覆盖:图像分类、神经网络、反向传播、计算图、CNN、RNN、神经网络训练、tensorflow、pytorch、注意力机制、生成模型、目标检测、图像分割、强化学习 等主题。
教程地址
点击查看完整教程学习路径
内容章节
1.深度学习与CV教程(1) | CV引言与基础
2.深度学习与CV教程(2) | 图像分类与机器学习基础
3.深度学习与CV教程(3) | 损失函数与最优化
4.深度学习与CV教程(4) | 神经网络与反向传播
5.深度学习与CV教程(5) | 卷积神经网络
6.深度学习与CV教程(6) | 神经网络训练技巧 (上)
7.深度学习与CV教程(7) | 神经网络训练技巧 (下)
8.深度学习与CV教程(8) | 常见深度学习框架介绍
9.深度学习与CV教程(9) | 典型CNN架构 (Alexnet, VGG, Googlenet, Restnet等)
10.深度学习与CV教程(10) | 轻量化CNN架构 (SqueezeNet, ShuffleNet, MobileNet等)
11.深度学习与CV教程(11) | 循环神经网络及视觉应用
12.深度学习与CV教程(12) | 目标检测 (两阶段, R-CNN系列)
13.深度学习与CV教程(13) | 目标检测 (SSD, YOLO系列)
14.深度学习与CV教程(14) | 图像分割 (FCN, SegNet, U-Net, PSPNet, DeepLab, RefineNet)
15.深度学习与CV教程(15) | 视觉模型可视化与可解释性
16.深度学习与CV教程(16) | 生成模型 (PixelRNN, PixelCNN, VAE, GAN)
17.深度学习与CV教程(17) | 深度强化学习 (马尔可夫决策过程, Q-Learning, DQN)
18.深度学习与CV教程(18) | 深度强化学习 (梯度策略, Actor-Critic, DDPG, A3C)
ShowMeAI 系列教程推荐
https://www.cnblogs.com/showmeai/p/16316942.html
关注我】。(●'◡'●)
如果,您希望更容易地发现我的新博客,不妨点击一下绿色通道的【因为,我的写作热情也离不开您的肯定与支持,感谢您的阅读,我是【Jack_孟】!
本文来自博客园,作者:jack_Meng,转载请注明原文链接:https://www.cnblogs.com/mq0036/p/16570580.html
【免责声明】本文来自源于网络,如涉及版权或侵权问题,请及时联系我们,我们将第一时间删除或更改!