卷积神经网络的输出单元数计算方法 `Conv2D`要求输入的x的形状为`(batch_size, in_chann...[作者空间]
目标检测（Object detection） 学过了对象定位和特征点检测，今天我们来构建一个对象检测算法。这节课，...[作者空间]
这一周我们学习的主要内容是对象检测，它是计算机视觉领域中一个新兴的应用方向，相比前两年，它的性能越来越好。在构建对...[作者空间]
计算机视觉现状（The state of computer vision） 深度学习已经成功地应用于计算机视觉、自...[作者空间]
迁移学习（Transfer Learning） 如果你要做一个计算机视觉的应用，相比于从头训练权重，或者说从随机初...[作者空间]
Inception 网络（Inception network） 在上节笔记中，你已经见到了所有的Inception...[作者空间]
谷歌 Inception 网络简介（Inception network motivation） 构建卷积层时，你要...[作者空间]
网络中的网络以及 1×1 卷积（Network in Network and 1×1 convolutions） ...[作者空间]
残差网络为什么有用？（Why ResNets work?） 为什么ResNets能有如此好的表现，我们来看个例子，...[作者空间]
残差网络（Residual Networks (ResNets)） 非常非常深的神经网络是很难训练的，非常非常深的...[作者空间]
为什么要探索发展史(实例分析)？ 我们首先来看看一些卷积神经网络的实例分析，为什么要看这些实例分析呢？ 上周我们讲...[作者空间]
构建全卷积神经网络的构造模块我们已经掌握得差不多了，下面来看个例子。 假设，有一张大小为32×32×3的输入图片，...[作者空间]
上节课，我们讲了如何为卷积网络构建一个卷积层。今天我们看一个深度卷积神经网络的具体示例，顺便练习一下我们上节课所学...[作者空间]
