利用预先训练好的深度卷积神经网络GoogLeNet实时对网络摄像头中的图像进行分类。

使用遮挡敏感映射来理解为什么深度神经网络做出分类决策。遮挡敏感性是一种简单的技术，用于理解图像的哪些部分对深度网络的分类最重要。可以使用数据的小扰动来测量网络对不同区域数据遮挡的敏感性。使用遮挡敏感度来获得对网络用来进行特定分类的图像特征的高级理解，并提供对网络错误分类图像的原因的洞察力。

使用局部可解释模型不可知解释(LIME)来理解为什么深度神经网络做出分类决策。

使用实验管理器并行训练深度网络。

配置一个实验，替换不同的预先训练的网络层进行迁移学习。

比较不同的数据预处理和网络深度配置的序列到序列回归。