客观的:使用预先训练好的网络进行图像分类。使用迁移学习来训练定制的分类网络。

• Pretrained网络
• 图像数据存储
• 转移学习
• 网络评价

摘要目的:通过可视化通过网络的图像数据来洞察网络是如何运行的。将这种技术应用于不同类型的图像。

• 激活
• 用于机器学习的特征提取

摘要目的:从头开始构建卷积网络。了解信息如何在网络层之间传递，以及不同类型的层如何工作。

• 从头开始培训
• 神经网络
• 卷积层和过滤器

摘要目的:理解训练算法是如何工作的。设置培训选项以监控和控制培训。

• 网络训练
• 培训发展情节
• 验证

摘要目的:选择并实现对训练算法选项、网络架构或训练数据的修改，以提高网络性能。

• 培训方案
• 有向无环图
• 增强数据存储

摘要目的:创建可以预测连续数值响应的卷积网络。

• 回归迁移学习
• 回归网络的评价指标

摘要目的:训练网络定位和标记图像中的特定对象。

• 图像应用程序工作流程
• 对象检测

摘要目的:建立和训练网络来对数据的有序序列进行分类，如时间序列或传感器数据。

• 长短期记忆网络
• 序列的分类
• 序列预处理
• 分类序列

摘要目的:使用递归网络来创建预测序列。

• 层序到层序分类
• 序列预测