点击此处返回
未登录用户
每日可免费学习1个教程
唐宇迪
关注人数：1108
1.深度学习要解决的问题-【人工智能深度学习入门】
2.深度学习应用领域-【人工智能深度学习入门】
3.计算机视觉任务-【人工智能深度学习入门】
4.视觉任务中遇到的问题-【人工智能深度学习入门】
5.得分函数-【人工智能深度学习入门】
6.损失函数的作用-【人工智能深度学习入门】
7.前向传播整体流程-【人工智能深度学习入门】
8.返向传播计算方法-【人工智能深度学习入门】
9.神经网络整体架构-【人工智能深度学习入门】
10.神经网络架构细节-【人工智能深度学习入门】
11.神经元个数对结果的影响-【人工智能深度学习入门】
12.正则化与激活函数-【人工智能深度学习入门】
13.神经网络过拟合解决方法-【人工智能深度学习入门】
14.卷积神经网络应用领域-【人工智能深度学习入门】
15.卷积的作用-【人工智能深度学习入门】
16.卷积特征值计算方法-【人工智能深度学习入门】
17.得到特征图表示-【人工智能深度学习入门】
18.步长与卷积核大小对结果的影响-【人工智能深度学习入门】
19.边缘填充方法-【人工智能深度学习入门】
20.特征图尺寸计算与参数共享-【人工智能深度学习入门】
21.池化层的作用-【人工智能深度学习入门】
22.整体网络架构-【人工智能深度学习入门】
23.VGG网络架构-【人工智能深度学习入门】
24.残差网络Resnet-【人工智能深度学习入门】
25.感受野的作用-【人工智能深度学习入门】
26.RNN网络架构解读-【人工智能深度学习入门】
27.词向量模型通俗解释-【人工智能深度学习入门】
28.模型整体框架-【人工智能深度学习入门】
29.训练数据构建-【人工智能深度学习入门】
30.CBOW与Skip-gram模型-【人工智能深度学习入门】
31.负采样方案-【人工智能深度学习入门】
暂时没有内容
70000+教程，每天免费学一课
打开APP，离线免流量