共3节 已有3人学过
主讲老师中级错题家
更新时间2025-01-07 16:46:08
课件资料暂无
免费
Auto-Encoder/CNN数学基础与从零代码实现
第一课：CNN数学基础与从零代码实现(I)
第二课：CNN数学基础与从零代码实现(II)
第三课：AE数学基础与从零代码实现
本课程《AE/CNN数学基础与从零代码实现》旨在帮助学习者掌握Auto-Encoder/CNN的核心概念及其实际应用。课程分为三部分，首先讲解CNN神经网络的基本原理，；接下来，课程将从0开始实现CNN网络进行MNIST手写数字识别；最后对AE数学基础与从零代码实现进行介绍，分别介绍基于CNN的AE与基于Dense Layer的AE。本课程适合对深度学习感兴趣且希望深入理解Auto-Encoder/CNN机制的学习者。
暂无讲师简介
如果你想真正看清计算机视觉模型的底层运作，而不是只会调用框架，这门课值得一学。课程从零出发：先用 NumPy 搭建 Layer、Dense、Conv 层，讲透互相关与卷积、尺寸变化、前向与反向传播；再补全激活函数、损失函数和训练/预测流程，在 MNIST 上完成 0/1 二分类实验；最后用 PyTorch 实现线性和卷积 Autoencoder，对比编码降维、解码重建的效果。适合想入门深度学习与计算机视觉、希望打牢数学与代码基础，或想摆脱“只会调库”的学习者。学完后，你将理解 CNN 的核心数学本质，能亲手实现卷积、全连接、激活、损失和训练循环，还能搭建二分类网络与图像重建模型，建立从数学原理、代码实现到实验验证的完整链路。
中级错题家
老师简介
给该课程打分：
发表
