通过模拟Caffe，亲自动手写一个深度学习框架，搞懂底层原理，进而掌握复现新型模型的能力。

适用人群

人工智能、计算机视觉方向的本科生，研究生；IT工程师；对深度学习感兴趣者。

课程大纲

01 课程介绍

【录播】本课程介绍(15分钟)

02 神经网络理论

【资料】学习资料(pdf，73.6KB)

【录播】神经元、多层感知器和人工智能(14分钟)

【录播】理论分析：梯度下降算法(16分钟)

【录播】理论分析：反向传播算法(31分钟)

03 用python探索多层感知器

【录播】思路分析：如何利用Python实现多层感知器？(19分钟)

【录播】Anaconda环境搭建、数据准备(18分钟)

【录播】代码实践：MLP的前向传播(22分钟)

【录播】代码实践：MLP的反向传播(27分钟)

【录播】代码实践：梯度检验(25分钟)

【录播】代码实践：探索各种激活函数(24分钟)

【录播】代码实践：探索各种权重初始化(20分钟)

【录播】代码实践：探索各种优化算法(45分钟)

【录播】理论分析：BatchNormalization(33分钟)

【录播】代码实践：BatchNormalization(35分钟)

04 CNN理论

【录播】理论分析：CNN的前向传播(28分钟)

【录播】理论分析：CNN的反向传播(19分钟)

05 亲自动手写一个深度学习框架(上)

【录播】深度学习框架Caffe基础入门(39分钟)

【录播】思路分析：如何设计自己的框架？(11分钟)

【录播】环境准备：Json、Armadillo、protobuf(18分钟)

【录播】代码实践：利用json定义网络结构(46分钟)

【录播】代码实践：设计内部数据结构——Blob(24分钟)

【录播】代码实践：加载Mnist数据集到Blob(21分钟)

【录播】代码实践：逐层构造数据Blob和梯度Blob(31分钟)

【录播】代码实践：逐层初始化（上）(31分钟)

【录播】代码实践：逐层初始化（下）(35分钟)

【录播】代码实践：将Blob切割为mini-batch(23分钟)

06 亲自动手写一个深度学习框架(中)

【录播】代码实践：卷积层的前向传播(31分钟)

【录播】代码实践：激活层、池化层的前向传播(31分钟)

【录播】代码实践：全连接层、损失层的前向传播(35分钟)

【录播】代码实践：损失层、全连接层的反向传播(29分钟)

【录播】代码实践：池化层、激活层的反向传播(28分钟)

【录播】代码实践：卷积层的反向传播(24分钟)

【录播】代码实践：模型参数优化和评估(29分钟)

07 亲自动手写一个深度学习框架(下)

【录播】添砖加瓦：实现模型微调功能（fine-tune）(47分钟)

【录播】添砖加瓦：实现SVM损失层(23分钟)

【录播】添砖加瓦：实现更多的优化器(25分钟)

【录播】添砖加瓦：实现对L2正则化的支持(31分钟)

【录播】添砖加瓦：实现Dropout层(23分钟)

【录播】添砖加瓦：实现BN层和Scale层(40分钟)

【录播】添砖加瓦：实现通用的图片数据接口(37分钟)

08 总结与展望

【录播】总结与展望(9分钟)