思维导图备注

卷积神经网络的Python实现 - 单建华

首页收藏书籍阅读记录

我的书签
添加书签移除书签

6.6　全连接层梯度反向传播

浏览 7 扫码

小字体
中字体
大字体

2022-02-21 12:46:57

请登录再阅读

版权信息
前言
前言
第一部分　模型篇
第 1 章　机器学习简介
1.2　基本术语
第 2 章线性分类器
1.4　图像分类
1.5　MNIST数据集简介
第 3 章神经网络
2.2　softmax损失函数
2.3　优化
2.4　梯度下降法
2.5　牛顿法
第 4 章卷积神经网络的结构
2.7　正则化
第 3 章　神经网络
3.1　数学模型
3.2　激活函数
3.3　代码实现
第二部分优化篇
第 5 章基于梯度下降法的最优化方法
第 4 章　卷积神经网络的结构
4.1　概述
4.2　卷积层
第 6 章梯度反向传播算法
4.4　全连接层
4.5　卷积网络的结构
4.6　卷积网络的神经科学基础
第二部分　优化篇
第 5 章　基于梯度下降法的最优化方法
5.1　随机梯度下降法SGD
5.2　基本动量法
5.3　Nesterov动量法
5.4　AdaGrad
第三部分实战篇
第 7 章训练前的准备
5.7　AmsGrad
5.8　学习率退火
5.9　参数初始化
5.10　超参数调优
第 6 章　梯度反向传播算法
6.1　基本函数的梯度
6.2　链式法则
6.3　深度网络的误差反向传播算法
6.4　矩阵化
第 8 章神经网络实例
6.6　全连接层梯度反向传播
6.7　激活层梯度反向传播
6.8　卷积层梯度反向传播
6.9　最大值池化层梯度反向传播
第三部分　实战篇
第 7 章　训练前的准备
7.1　中心化和规范化
7.2　PCA和白化
第 9 章卷积神经网络实例
7.4　BN
7.5　数据扩增
7.6　梯度检查
7.7　初始损失值检查
7.8　过拟合微小数据子集
7.9　监测学习过程
第 8 章　神经网络实例
8.1　生成数据
8.2　数据预处理
8.3　网络模型
第 10 章卷积网络结构的发展
8.5　参数优化
8.6　训练网络
8.7　过拟合小数据集
8.8　超参数随机搜索
8.9　评估模型
8.10　程序组织结构
第 11 章工程实践中的问题
8.12　程序使用建议
第 9 章　卷积神经网络实例
9.1　程序结构设计
9.2　激活函数
9.3　正则化
9.4　优化方法
9.5　卷积网络的基本模块
9.6　训练方法
9.7　VGG网络结构
9.8　MNIST数据集
9.9　梯度检测
第 12 章目标检测
9.11　程序使用建议
第 10 章　卷积网络结构的发展
10.2　去掉池化层
10.3　网络向更深更宽发展面临的困难
10.4　ResNet向更深发展的代表网络
10.5　GoogLeNet向更宽发展的代表网络
10.6　轻量网络
10.7　注意机制网络SENet
第 11 章　工程实践中的问题
11.1　单一数字评估指标
11.2　人类水平表现
11.3　偏差/方差分析
11.4　错误分析
11.5　修正错误标签
第 13 章二值化网络
11.7　迁移学习
11.8　多任务学习
11.9　端到端学习
11.10　修改评估指标或者验证集测试集
11.11　如何设计训练集、验证集和测试集
11.12　类别不平衡
11.13　负样本采集
11.14　快速搭建并迭代系统
第 12 章　目标检测
12.1　目标定位
12.2　目标检测
12.3　非极大值抑制NMS
12.4　锚点框Anchor Box
12.5　边界框参数
12.6　特征金字塔网络FPN
12.7　YOLO算法
12.8　软非极大值抑制Soft-NMS
12.9　聚焦损失Focal Loss
12.10　基础网络Backbone
12.11　多尺度Multiple Scales
12.12　三叉戟网络TridentNet
12.13　人脸关键点定位
12.14　单个人体关键点定位
12.15　多人人体关键点定位
第 13 章　二值化网络
13.1　权重二值化
13.2　XNOR网络
13.3　权重尺度化
看完了

暂无相关搜索结果！

二维码

手机扫一扫，轻松掌上学

《卷积神经网络的Python实现 - 单建华》电子书下载

请下载您需要的格式的电子书，随时随地，享受学习的乐趣！

EPUB 电子书

书签列表

阅读记录

阅读进度: 0.00% ( 0/0 ) 重置阅读进度

6.6 全连接层梯度反向传播

6.6　全连接层梯度反向传播