【草履虫都直呼能看懂！】计算机博士把CNN卷积神经网络给彻底讲清楚了！！-人工智
1.什么是卷积-1 P1 - 02:14
1.什么是卷积-1 P1 - 03:29
以mnist数据集为例
有多少条线就有多少参数量
1.什么是卷积-1 P1 - 05:31
感受野：局部相关性
1.什么是卷积-1 P1 - 06:44
1.什么是卷积-1 P1 - 09:02
1.什么是卷积-1 P1 - 10:36
784条连接线->9条
只考虑到局部相关的位置属性
2.什么是卷积-2 P2 - 00:05
2.什么是卷积-2 P2 - 02:45
2.什么是卷积-2 P2 - 04:41
2.什么是卷积-2 P2 - 06:43
3.卷积神经网络-1 P3 - 00:25
3.卷积神经网络-1 P3 - 04:49
多个卷积核，不同的观察角度
3.卷积神经网络-1 P3 - 06:34
3.卷积神经网络-1 P3 - 07:01
4.卷积神经网络-2 P4 - 00:07
4.卷积神经网络-2 P4 - 04:05
4.卷积神经网络-2 P4 - 07:30
拿到一张图，能够对卷积运算的参数数量推测出来，说明对卷积运算有比较好的理解
4.卷积神经网络-2 P4 - 08:55
特征不断提取的过程
5.卷积神经网络-3 P5 - 00:02
5.卷积神经网络-3 P5 - 04:15
5.卷积神经网络-3 P5 - 06:09
通道数和输入不匹配，发生错误
6.池化层与采样 P6 - 00:38
注意stride对特征图大小的影响
6.池化层与采样 P6 - 05:09
6.池化层与采样 P6 - 06:17
6.池化层与采样 P6 - 07:15
6.池化层与采样 P6 - 08:14
6.池化层与采样 P6 - 09:47
7.BatchNorm-1 P7 - 00:19
快捷方便稳定
7.BatchNorm-1 P7 - 02:58
7.BatchNorm-1 P7 - 05:41
四种，取决于在哪个维度做normalize
8.BatchNorm-2 P8 - 00:04
8.BatchNorm-2 P8 - 02:59
8.BatchNorm-2 P8 - 05:30
两个参数会自动更新
8.BatchNorm-2 P8 - 06:43
8.BatchNorm-2 P8 - 08:59
8.BatchNorm-2 P8 - 10:12
9.经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-1 P9 - 01:33
9.经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-1 P9 - 03:37
9.经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-1 P9 - 04:44
10.经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-2 P10 - 00:50
小型卷积核
10.经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-2 P10 - 02:14
图片大小不变，通道减少
10.经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-2 P10 - 04:13
同一层可以使用多个不同类型卷积核
10.经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-2 P10 - 07:18
10.经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-2 P10 - 08:21
11.ResNet与DenseNet-1 P11 - 00:59
11.ResNet与DenseNet-1 P11 - 02:47
11.ResNet与DenseNet-1 P11 - 04:39
参数少了，显存占用减少，堆叠更深层的网络结构成为可能
11.ResNet与DenseNet-1 P11 - 07:39
11.ResNet与DenseNet-1 P11 - 10:02
12.ResNet与DenseNet-2 P12 - 00:57
12.ResNet与DenseNet-2 P12 - 02:16
VGG计算量大，性能也不如inception和resnet
12.ResNet与DenseNet-2 P12 - 05:03
12.ResNet与DenseNet-2 P12 - 08:30
思路拓展：中间的每一层都有可能和前面的每一层接触
12.ResNet与DenseNet-2 P12 - 09:00
13.nn.Module模块-1 P13 - 00:09
是所有网络层次类的父类
13.nn.Module模块-1 P13 - 00:41
13.nn.Module模块-1 P13 - 01:34
13.nn.Module模块-1 P13 - 02:16
13.nn.Module模块-1 P13 - 03:43
13.nn.Module模块-1 P13 - 06:36
13.nn.Module模块-1 P13 - 07:34
14.nn.Module模块-2 P14 - 00:01
14.nn.Module模块-2 P14 - 01:18
14.nn.Module模块-2 P14 - 02:25
14.nn.Module模块-2 P14 - 03:11
14.nn.Module模块-2 P14 - 05:41
15.数据增强 P15 - 00:22
15.数据增强 P15 - 00:36
15.数据增强 P15 - 01:26
15.数据增强 P15 - 04:36
15.数据增强 P15 - 05:42
15.数据增强 P15 - 07:17
两种方式：1、-15度到15度旋转 2、随机的在[]中选择一个角度进行选择
15.数据增强 P15 - 09:02
15.数据增强 P15 - 09:27
15.数据增强 P15 - 11:21
