文件名称：deep-learning-cv:“深度学习在计算机视觉中的应用”课程材料
文件大小：48.89MB
文件格式：ZIP
更新时间：2024-06-07 15:26:33
machine-learning computer-vision deep-learning convolutional-neural-networks JupyterNotebook
欢迎 ！ 此回购包含于2018年3月3日至4月28日在国立成功大学举行的``在计算机视觉中应用深度学习''课程的材料。 由于Google的慷慨大方，您可以练习使用Google提供的免费GPU资源在Google Colaboratory上制作深层神经网络。 有关如何执行此操作的说明，请点击。 该课程的教学大纲如下： 第一周：深度神经网络的基础 第一周的幻灯片是使用Gitpitch准备的。 编程工具简介 矩阵数学和Numpy 结石 图像处理和OpenCV 感知器 机器学习基础 正向传播，向后传播 全连接神经网络 第二周：卷积神经网络 卷积神经网络：一般概念 损失函数 深度学习框架简介 卷积神经网络的图像分类 第三周：训练卷积神经网络的策略和技术 可视化培训进度 超参数调整 资料扩充 第四周：经典卷积神经网络架构及其他应用 Keras简介 CNN案例研究 CNN用于物体检测和图像分割 [
【文件预览】：
deep-learning-cv-master
----week2()
--------Tensorflow_Conv2D_Lab_Solution.ipynb(6KB)
--------Tensorflow_Conv2D_Lab.ipynb(3KB)
--------Convolution_Model_Step_by_Step.ipynb(48KB)
--------assets()
--------Convolution_Demo.ipynb(136KB)
--------Convolution_Model_Step_by_Step_Solution.ipynb(58KB)
--------Project()
--------Intro_to_Python_Debugger.ipynb(15KB)
--------slides()
--------Intro_to_Tensorflow.ipynb(8KB)
----week1()
--------Gradient_Descent_Lab.ipynb(6KB)
--------data_prep.py(768B)
--------Backward_Propagation_Lab_Solution.ipynb(5KB)
--------Gradient_Descent_Lab_Solution.ipynb(6KB)
--------assets()
--------environment-CPU.yml(303B)
--------Image_Processing_and_OpenCV.ipynb(804KB)
--------binary.csv(5KB)
--------Matrix_Math_and_Numpy.ipynb(14KB)
--------README.md(973B)
--------Forward_Backward_Propagation.ipynb(5KB)
--------madonna.jpg(646KB)
--------Backward_Propagation_Lab.ipynb(4KB)
--------Perceptron_Learning_Algorithm_Demo.ipynb(200KB)
--------Calculus.ipynb(8KB)
--------Project()
--------Logistic_Regression.ipynb(1.34MB)
--------environment-GPU.yml(307B)
--------slides()
--------Forward_Propagation_Lab.ipynb(2KB)
--------Perceptron_and_Logical_Operator_Quiz_Solution.ipynb(9KB)
--------Forward_Propagation_Lab_Solution.ipynb(2KB)
--------Perceptron_and_Logical_Operator_Quiz.ipynb(7KB)
--------Perceptron_Learning_Algorithm_Theory.ipynb(37KB)
----week4()
--------images()
--------resnets_utils.py(5KB)
--------datasets()
--------kt_utils.py(992B)
--------Residual_Network.ipynb(35KB)
--------Keras_Tutorial.ipynb(17KB)
--------slides()
----week3()
--------Visualizing_Training_with_Tensorboard.ipynb(61KB)
--------slides()
--------BN_Lab.ipynb(19KB)
----README.md(3KB)
----PITCHME.yaml(48B)
----PITCHME.md(505B)