下载学堂APP缓存视频离线看
机器学习，深度学习神经网络领域多年开发研究经验，精通算法原理与编程实践。曾完成过多项图像识别，目标识别，语音识别的实际项目，经验丰富。关注深度学习领域各种开源项目，如TensorFlow，C...
更多
- 畅销套餐
- 精选套餐
- 人气套餐
- 尊享套餐
- 高薪套餐
- 课程介绍
- 课程大纲试看
- 讲师好课20
- 学员评价
适合人群：
希望从事深度学习相关工作和研究的同学
你将会学到：
了解深度学习论文知识，学会读论文的方法
课程简介：
本课程主要以时间线为基础，详细讲解深度学习领域最重要的一些论文，目前的论文list如下：
Understanding the difficulty of training deep feedforward neural networks：关于模型初始化，激活函数等方面的讨论。
(ReLU)Deep Sparse Rectifier Neural Networks：关于经典激活函数ReLU的介绍。
(Dropout)Improving neural networks by preventing co-adaptation of feature detectors：关于深度学习中常用的抵抗过拟合技术Dropout的介绍。
(AlexNet)ImageNet Classification with Deep Convolutional Neural Networks：2012 ImageNet Challenge图像识别比赛冠军，深度学习在图像领域的经典开山之作。
(VGGNet)Very Deep Convolutional Networks for Large-Scale ImageRecognition：2014 ImageNet Challenge图像识别比赛亚军，广泛应用的一种图像识别模型。
(GoogleNet)Going deeper with convolutions：2014 ImageNet Challenge图像识别比赛冠军，谷歌提出的经典图像识别模型。
(BN)Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift：深度学习领域中常用的标准化策略。
(ResNet)Deep Residual Learning for Image Recognition：2015 ImageNet Challenge图像识别比赛冠军，2019年被应用了18000多次的经典深度学习论文。
(ResNet-v2)Identity Mappings in Deep Residual Networks：ResNet的改进版。
(Inception-v2/v3)Rethinking the Inception Architecture for Computer Vision：谷歌Inception系列的作品。
(Inception-v4/Inception-ResNet)Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning：谷歌Inception系列的作品。
(Group Convolution)Deep Roots:Improving CNN Efficiency with Hierarchical Filter Groups：组卷积介绍。
(ResNeXt)Aggregated Residual Transformations for Deep Neural Networks：2016 ImageNet Challenge图像识别比赛亚军。
(SENet)Squeeze-and-Excitation Networks：2017 ImageNet Challenge图像识别比赛冠军。
(GPT-3)Language Models are Few-Shot Learners：2020年5月由OpenAI发布，这是有史以来最大的NLP模型。
课程大纲-深度学习论文解读
资料下载1
Understanding the difficulty .Understanding the difficulty of training deep feedforward neural networks
「仅限付费用户」点击下载“论文.zip”
[37:54]开始学习
“覃秉丰”老师的其他课程更多+
5
