基于深度学习的猫狗图像分类

1

课程整体内容介绍课程整体内容介绍

2

初步认识CNN和数学公式复习初步认识CNN和数学公式复习

3

CNN 卷积层概念CNN 卷积层概念

4

CNN 中的stride和zero-padding使用方法CNN 中的stride和zero-padding使用方法

「仅限付费用户」点击下载“课程资料下载.zip”

5

CNN 特征图计算CNN 特征图计算

「仅限付费用户」点击下载“3. 图像分类 项目实战.pdf”

6

CNN PoolLayers和FC&训练过程演示CNN PoolLayers和FC&训练过程演示

7

CNN 网络发展历史CNN 网络发展历史

8

图形化介绍FC和CNN 区别以及CNN 层概念图形化介绍FC和CNN 区别以及CNN 层概念

9

keras 实现CNN 网络keras 实现CNN 网络

10

图形化方式介绍CNN在图像应用图形化方式介绍CNN在图像应用

11

CNN 在语音和文本中应用介绍CNN 在语音和文本中应用介绍

12

项目实战 图像分类实战大纲介绍项目实战 图像分类实战大纲介绍

13

项目实战 导入图像库以及数据探索项目实战 导入图像库以及数据探索

14

项目实战 数据预处理项目实战 数据预处理

15

项目实战 pytorch数据加载和可视化项目实战 pytorch数据加载和可视化

16

项目实战 RGB三通道数据可视化项目实战 RGB三通道数据可视化

17

项目实战 fine tuning 模型加载和网络调整项目实战 fine tuning 模型加载和网络调整

18

项目实战 模型训练功能项目实战 模型训练功能

19

项目实战 模型验证集验证项目实战 模型验证集验证

20

项目实战 分类混淆矩阵效果评估项目实战 分类混淆矩阵效果评估