卷积神经网络通过卷积层、池化层、激活函数、全连接层等组件，能够有效地提取和整合图像数据中的特征，广泛应用于图像分类、物体检测、语义分割等计算机视觉任务。
| 章节 | 内容 |
|---|---|
|
章节1 卷积神经网络原理 |
1 : 卷积神经网络基本概念 2 : 卷积神经网络解决问题 3 : CNN的核心构建块_构建卷积层 4 : 构建卷积层_PyTorch代码示例 5 : CNN的核心构建块_步幅（Stride） 6 : 步幅（Stride）_PyTorch版本 7 : CNN的核心构建块_填充 (Padding) 8 : 填充（Padding）_PyTorch 代码示例 9 : CNN的核心构建块_池化层（pooling layer） 10 : CNN的核心构建块_感受野（Receptive Field） 11 : CNN的核心构建块_全连接层 12 : 经典卷积神经网络_LeNet网络模型解析 13 : 手写数字识别实战_构建LeNet网络 14 : 手写数字识别实战_数据集预处理与加载 15 : 手写数字识别实战_模型训练 16 : 卷积神经网络实战应用_模型评估 17 : 卷积神经网络实战应用_绘制评估曲线图 18 : 卷积神经网络实战应用_模型测试 |
京公网安备 11011402011233号