本章节将介绍Tensor和Autograd的相关知识,其中tensor包括数据类型及创建方法、session会话,autograd包括求导、静态动态图设计、正反向传播和损失函数。
本章节将对优化器和神经网络相关知识进行介绍,其中优化器包括SGD、Momentum、RMSprop、Adagrad、Adadelta、Adam优化算法,神经网络包括网络层、激活函数、模型优化。
本章节将对卷积网络的基础知识和卷积模型构建进行相关知识的介绍,其中基础知识的介绍包括卷积层、池化层、步长、卷积核、填充,卷积模型包括 LeNet、Alexnet、Vgg、GoogLeNet、 Resnet 、Densenet、Inception。
本章节将介绍卷积神经网络的应用案例,如手写数字识别,猫狗分类,目标检测,道路场景分割。
本章节将对TPU加速中的TPU查看、TPU常用参数设置展开介绍,让同学们对深度学习中的TPU有一个深刻的了解!