使用预制的深度卷积神经网络Googlenet将图像从网络摄像头中分类图像。

使用遮挡敏感性图来理解为什么深神经网络进行分类决策。闭塞灵敏度是一种简单的技术，用于了解图像的图像的哪些部分对于深度网络的分类最重要。您可以使用小型数据的小扰动来测量网络对数据区域的遮挡的敏感性。使用闭塞敏感性来获得对网络用于进行特定分类的图像特征的高级了解，并提供深入了解网络可以错误分类图像的原因。

使用本地可解释的模型 - 不可知的解释（石灰）来理解为什么深神经网络做出分类决策。

使用实验经理并行列车深网络。

配置实验，替换不同掠夺网络的层进行转移学习。

比较不同的数据预处理和网络深度配置以进行序列到序列回归。