使用 Python 和 TensorFlow 的卷积神经网络

高级神经网络：掌握卷积神经网络（CNN）和深度学习的计算机视觉

讲师：365 Careers

---

你将学到的内容

• 学习卷积神经网络的基础知识
• 执行计算机视觉和机器学习任务
• 掌握TensorFlow和Tensorboard的使用
• 理解卷积核
• 掌握卷积及其在CNN中的作用
• 熟悉L2正则化和权重衰减
• 掌握丢弃法的概念
• 使用Tensorboard可视化网络和指标
• 解决多标签分类问题
• 通过一个大型真实案例获得实践经验
• 将图像转换为张量
• 探索最新卷积神经网络架构的概念

课程要求

• Python 3 和 Anaconda 分发版
• 基础到中级的Python知识
• 对前馈神经网络的理解
• 对TensorFlow 2的基础熟悉程度
• 学习和实践的热情与好奇心

课程描述

你是一个深度学习爱好者，现在正在寻找新的挑战吗？

你对计算机视觉领域以及机器从视觉和图像中提取有价值信息的能力感兴趣吗？

你想学习一项有价值的技能，在这个人工智能驱动的世界中脱颖而出吗？

如果你对以上任何一个问题回答“是”，那你来对地方了，正是学习的时候！

以下是选择这门课程的5个理由：

本课程是通过卷积神经网络深入了解快速发展的机器学习和计算机视觉领域的绝佳机会。

卷积神经网络（简称CNN）是深度神经网络的一种子类型，广泛应用于计算机视觉领域。这些网络专长于从空间结构数据中提取信息，帮助计算机获得对数字图像和视频的高层次理解。这可以是简单的图像分类任务（如识别猫或狗），也可以是如自动驾驶汽车这样的复杂应用。

目前大多数活跃的机器学习研究都集中在这一领域，而CNN是其中的关键组成部分。因此，现在正是提升你的技能，掌握深度学习这一重要组成部分的时候。

为此，我们为你设计了这门精彩且引人入胜的课程。虽然需要具备TensorFlow和深度学习的基本概念，但我们将从CNN的基础知识开始，逐步带您达到专业水平。此外，我们坚信“实践出真知”，因此本课程包含一个完整的现实项目实践案例。同时，课程还提供大量练习题、作业、可下载文件和笔记本，以及测验题目和学习笔记。

我们将从图像处理中的卷积核开始本课程的学习。卷积核是理解和使用卷积神经网络的重要工具。我们会探索如何实现不同的图像变换，并帮助你理解卷积这一数学运算在此过程中的作用。这将成为我们下一部分主题–卷积层的基础。

在掌握这些知识后，我们将介绍课程的核心内容：卷积神经网络。在这里，我们将探讨特征图和池化等引人入胜的概念。此外，我们还将研究这种网络如何改变张量的维度。

接下来，我们将简要复习神经网络的基础知识。CNN只是深度神经网络的一种子类型，因此需要具备神经网络的基本知识。这就是为什么我们会复习基础知识：激活函数、早停法和优化器。

在完成这些内容后，您将具备足够的知识来开始实践 – 构建自己的第一个卷积神经网络。

通过处理MNIST数据集，我们将帮助你掌握创建CNN架构并从零开始构建一个CNN的整体流程。您将训练它识别手写数字 – 这在现实世界中非常有用。此时，您将有机会亲手调整网络并看到自己的实验结果。

但我们不会止步于构建CNN。我们还将花大量时间通过TensorBoard–TensorFlow的可视化和日志记录工具–来探索这些网络。这将使您的学习和实验过程更加直观且令人难忘。神经网络因其难以解释而闻名，因此我们将通过混淆矩阵作为工具来帮助你理解并解释网络结果。最后，我们将向你展示如何轻松调整网络的超参数。

但这还不是全部。

我们将向你展示如何掌握3种常见的提升模型性能的技术。事实上，你将有机会在接下来的实践环节中应用这些技术。

你没听错！本课程的宗旨是给予你真实的CNN体验。我们准备了一个庞大的实践练习，让你可以动手完成一个真实项目。

为此，我们专门创建了一个来自时尚行业的定制数据集。其中包括超过16,000张裤子、牛仔裤、鞋子、眼镜和太阳镜的图像。我们将使用这些图像进行各种实践示例和问题。我们设计了一个任务，通过对应标签对不同物品进行分类。不仅如此，我们还将确定其他特征，例如物品的子类和性别。鉴于这些数据的特性，我们将尝试不同的技术来实现目标，并比较这些方法的效果。你将体验到解决此类任务的现实挑战，并获得可添加到自己作品集中的实战经验。

最后，为了圆满收官，我们将回顾卷积神经网络的专业研究历史。我们将深入研究一些流行的CNN架构，并介绍AlexNet、GoogLeNet以及ResNet等明星网络。

通过本课程的学习，你将掌握所有自信完成CNN项目所需的工具！

365 Data Science团队致力于为你提供最高质量的课程内容。因此，我们与真正的行业专家–Iskren Vankov合作。Iskren是爱丁堡大学计算机科学与物理学学士，牛津大学计算机科学硕士，拥有超过5年的深度学习编程经验，专注于循环神经网络。

与我们所有的课程一样，如果您觉得课程不适合您，我们提供30天无条件退款保证。

此外，课程包含大量练习题、作业、可下载文件、测验题目和课程笔记，所有内容确保完美的学习体验。

那么，你还等什么？

点击“立即购买”按钮，让我们一起探索CNN吧！

谁适合学习本课程：

• 任何希望提升机器学习和计算机视觉技能的人
• 如果你想学习卷积神经网络的工作原理，这门课程适合你
• 任何希望在深度学习领域发展职业的人
• 对人工智能充满好奇和热情的个人