深度學習 課件 第0章-課程簡介_第1頁
深度學習 課件 第0章-課程簡介_第2頁
深度學習 課件 第0章-課程簡介_第3頁
深度學習 課件 第0章-課程簡介_第4頁
深度學習 課件 第0章-課程簡介_第5頁
已閱讀5頁，還剩12頁未讀， 繼續(xù)免費閱讀

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)，請進行舉報或認領(lǐng)

文檔簡介

課程簡介深度學習歡迎選課選課動機大模型AIGCActive(主動）Concentrated（專注）Telligent（理解）Inquisitive（勤學好問）Vigorous(活力）Extreme（極致）MindandHand（MIT校訓，既要動腦，也要動手）如何去做？課程團隊1課程基本信息2教材3課程內(nèi)容4目錄Contents課程評估5課程團隊首席教授徐俊剛，xujg@主講教師******助教

************課程類型:

專業(yè)課學時/學分:40/2預修課程:Python程序設(shè)計，機器學習，計算機算法與分析課程網(wǎng)站：***微信群：***課程基本信息徐俊剛.深度學習.北京:機械工業(yè)出版社,2024.教材課程內(nèi)容第一章引言第二章

卷積神經(jīng)網(wǎng)絡(luò)第三章

循環(huán)神經(jīng)網(wǎng)絡(luò)第四章Transformer第五章

生成對抗網(wǎng)絡(luò)第六章深度生成模型第七章

正則化與優(yōu)化第八章

深度學習框架課程內(nèi)容課堂筆試:**%(閉卷/開卷)實驗(必做和可選):**%課程評估計算機視覺實驗（供參考）

必做實驗（每個人）:（1）基于CNN的手寫數(shù)字識別；（2）基于ViT的CIFAR10圖像分類。

可選實驗（每組，不超過3人）：（1）基于YOLOv5的目標檢測；（2）基于SegNet的街景分割。注：部分實驗需基于GPU進行，可基于學校教學實驗室或者外部在線GPU資源進行。課程評估自然語言處理實驗（供參考）必做實驗（每個人）:（1）基于LSTM的自動寫詩；（2）基于Transformer的神經(jīng)機器翻譯?？蛇x實驗（每組，不超過3人）：（1）基于LSTM的語言模型；（2）基于CNN-Transformer的圖像描述。注：部分

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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。

最新文檔

評論

0/150

提交評論