课程深入讲解LeNet、AlexNet、VGG等经典卷积神经网络模型的架构设计与原理，剖析它们在图像分类、目标检测等任务中的应用优劣势，使你掌握模型选择策略。同时，借助丰富代码实践与案例分析，助你运用这些模型解决实际问题，提升应用与开发能力。
| 章节 | 内容 |
|---|---|
| 章节1 经典卷积网络算法 | 1 : 现代神经网络_深度卷积神经网络AlexNet 2 : 使用快的网络_VGGNet 3 : 迁移学习 4 : 迁移学习入门案例 5 : VGG实战鲜花识别_准备数据集文件和数据预处理 6 : VGG实战鲜花识别_加载预训练VGG16模型 7 : VGG实战鲜花识别_开始训练模型 8 : VGG实战鲜花识别_可视化训练效果 9 : VGG实战鲜花识别_指定图片进行预测 10 : 含并行连接的网络_GoogLeNet 11 : 批量规范化_让神经网络飞起来 12 : 撑起深度学习半边天_残差网络ResNet 13 : VGG与ResNet对比分析在鲜花识别中的应用 14 : EfficientNet网络_复合缩放 15 : EfficientNet网络_深度可分离卷积 16 : se注意力机制 17 : EfficientNet网络_EfficientNet-B0 架构 18 : EfficientNet网络和ResNet网络对比 19 : 移动设备_MobileNet网络 |
京公网安备 11011402011233号