使用预训练的深度卷积神经网络GoogLeNet对网络摄像头中的图像进行实时分类。

使用遮挡敏感度贴图来了解深层神经网络做出分类决策的原因。遮挡敏感度是一种简单的技术，用于了解图像的哪些部分对深层网络的分类最重要。您可以使用小型pertu测量数据不同区域中网络对遮挡的敏感度数据的B分类。使用遮挡敏感度可以从较高的层次了解网络用于进行特定分类的图像特征，并深入了解网络可能对图像进行错误分类的原因。

使用局部可解释模型不可知解释（LIME）来理解深层神经网络做出分类决策的原因。

使用实验管理器并行训练深层网络。

配置一个实验，替换不同预训练网络的层以进行迁移学习。

比较序列到序列回归的不同数据预处理和网络深度配置。