ds401深度學(xué)習(xí)tensorflow課程大綱_第1頁
ds401深度學(xué)習(xí)tensorflow課程大綱_第2頁
ds401深度學(xué)習(xí)tensorflow課程大綱_第3頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

近年來，深度學(xué)各領(lǐng)域的應(yīng)用上突飛猛進(jìn)，也受到大家廣泛的矚目，但如何從零開部分:(1)介紹深度學(xué)習(xí)中的各種要素，以及(2)動手建立你的第一個深度學(xué)習(xí)模WhatisdeeplearningandwhataresuccessfulWhyisdeeplearningdifferentfrommachinelearningandtraditionalstatistics?Whataretheessentialconceptsandskillsthata“deeplearner”shouldpossess?Whythisclasswillhelpyousucceedinyourtechnicalcareer(jobhuntingorstartingupyour ,etc)?FinallyweintroducetheagendaofDS401:classcontentsandprojectFeedforwardNeuralNetworkFeedforwardNeuralNetwork所需要的概念及技術(shù)簡介下兩堂課內(nèi)容:FNN,CNN,RNN具體理論課程安排FunctionalityofdeepImportantapplicationsofdeepDatasetrepresentationandBackwardTraining,testingandcrossFeedforwardNeuralNetworkNetworkActivationLoss項目課程安排TensorFlow+KerasonFeedforwardNeuralNetwork(trainFeedforwardNeuralNetworkembeddingspacewordConvolutionalNeuralNetwork(trainFeedforwardNeuralNetworkStochasticgradientembeddingspacewordUnderstandingembeddingspacebyusingwordembeddingasApplicationsfromwordVariantstotrainawordConvolutionalNeuralNetworkWhyCNNforConvolutionallayerZeroChannels:greyscalev.s.colorfulMax示范對資料及模型的操作：inTensorFlowKerasGetfamiliarwithMNISTPreprocessFNNinTensorFlowKerasDesignnetworkstructure:towerv.s.Changeactivationfunction:isReLUtheSelectlossDropout:when,whereandhowL1andL2Regularization:whatarethefeedforwardneuralnetworkwordGetfamiliarwithtextrepresentationandnewsDesignandtrainaExaminethewordConvolutionalNeuralNetwork所需要的概念及技能講解深度學(xué)習(xí)進(jìn)階模型：RecurrentNeuralNetwork(RNN)RNNConvolutionalNeuralNetworkSelectionofthenumberandsizeofVariants:InceptionVariants:ResVariants:DEVISEforcotrainingimagesandRecurrentNeuralNetworkNetworkwithGradientdiminishandGatedRecurrentUnitLongShortTermMemoryCNNinTensorFlowKerasRevisitMNISTDesignconvolutio

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論