---

←上一篇↓↑下一篇→

1.12 總結(jié)	回到目錄	2.2 經(jīng)典網(wǎng)絡(luò)

---

為什么要進(jìn)行實(shí)例探究 (Why look at case studies?)

這周我們首先來看看一些卷積神經(jīng)網(wǎng)絡(luò)的實(shí)例分析，為什么要看這些實(shí)例分析呢？上周我們講了基本構(gòu)建，比如卷積層、池化層以及全連接層這些組件。事實(shí)上，過去幾年計(jì)算機(jī)視覺研究中的大量研究都集中在如何把這些基本構(gòu)件組合起來，形成有效的卷積神經(jīng)網(wǎng)絡(luò)。最直觀的方式之一就是去看一些案例，就像很多人通過看別人的代碼來學(xué)習(xí)編程一樣，通過研究別人構(gòu)建有效組件的案例是個(gè)不錯(cuò)的辦法。實(shí)際上在計(jì)算機(jī)視覺任務(wù)中表現(xiàn)良好的神經(jīng)網(wǎng)絡(luò)框架往往也適用于其它任務(wù)，也許你的任務(wù)也不例外。也就是說，如果有人已經(jīng)訓(xùn)練或者計(jì)算出擅長(zhǎng)識(shí)別貓、狗、人的神經(jīng)網(wǎng)絡(luò)或者神經(jīng)網(wǎng)絡(luò)框架，而你的計(jì)算機(jī)視覺識(shí)別任務(wù)是構(gòu)建一個(gè)自動(dòng)駕駛汽車，你完全可以借鑒別人的神經(jīng)網(wǎng)絡(luò)框架來解決自己的問題。

最后，學(xué)完這幾節(jié)課，你應(yīng)該可以讀一些計(jì)算機(jī)視覺方面的研究論文了，我希望這也是你學(xué)習(xí)本課程的收獲。當(dāng)然，讀論文并不是必須的，但是我希望當(dāng)你發(fā)現(xiàn)你可以讀懂一些計(jì)算機(jī)視覺方面的研究論文或研討會(huì)內(nèi)容時(shí)會(huì)有一種滿足感。言歸正傳，我們進(jìn)入主題。

這是后面幾節(jié)課的提綱，首先我們來看幾個(gè)經(jīng)典的網(wǎng)絡(luò)。

LeNet-5網(wǎng)絡(luò)，我記得應(yīng)該是1980年代的，經(jīng)常被引用的AlexNet，還有VGG網(wǎng)絡(luò)。這些都是非常有效的神經(jīng)網(wǎng)絡(luò)范例，當(dāng)中的一些思路為現(xiàn)代計(jì)算機(jī)視覺技術(shù)的發(fā)展奠定了基礎(chǔ)。論文中的這些想法可能對(duì)你大有裨益，對(duì)你的工作也可能有所幫助。

然后是ResNet，又稱殘差網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)正在不斷加深，對(duì)此你可能有所了解。ResNet神經(jīng)網(wǎng)絡(luò)訓(xùn)練了一個(gè)深達(dá)152層的神經(jīng)網(wǎng)絡(luò)，并且在如何有效訓(xùn)練方面，總結(jié)出了一些有趣的想法和竅門。課程最后，我們還會(huì)講一個(gè)Inception神經(jīng)網(wǎng)絡(luò)的實(shí)例分析。

了解了這些神經(jīng)網(wǎng)絡(luò)，我相信你會(huì)對(duì)如何構(gòu)建有效的卷積神經(jīng)網(wǎng)絡(luò)更有感覺。即使計(jì)算機(jī)視覺并不是你的主要方向，但我相信你會(huì)從ResNet和Inception網(wǎng)絡(luò)這樣的實(shí)例中找到一些不錯(cuò)的想法。這里面有很多思路都是多學(xué)科融合的產(chǎn)物。總之，即便你不打算構(gòu)建計(jì)算機(jī)視覺應(yīng)用程序，試著從中發(fā)現(xiàn)一些有趣的思路，對(duì)你的工作也會(huì)有所幫助。

課程板書

---

←上一篇↓↑下一篇→

1.12 總結(jié)	回到目錄	2.2 經(jīng)典網(wǎng)絡(luò)

---

總結(jié)

以上是生活随笔為你收集整理的2.1 为什么要进行实例探究-深度学习第四课《卷积神经网络》-Stanford吴恩达教授的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。