纠结pytorch,tensorflow,keras一个月之后,我自己创造了一个神经网络框架

2020 年 7 月 17 日 计算机视觉life

经常有粉丝问我,学AI,是学pytorch呢?还是tensorflow呢?还是keras呢?其实对于这个问题,我的答案是:大家千万不要把着眼点只放在这些工具的使用上,重要的是要知道它的原理。在此基础上掌握任何一个框架,都不会超过30分钟。

AI 能够识别复杂的图形图像,能够识别语言,能够围棋战胜人类的世界冠军,这些背后,神经网络的作用功不可没。而彻底的掌握神经网络,对你能否真正掌握AI的核心知识,至关重要!


为了让大家彻底掌握人工智能、深度学习的核心知识–神经网络,特开设3天深度学习训练营,带领大家,使用Python,从零开始创造一个属于你自己的,专家级的神经网络框架,最终能够实现手写数字识别,经过简单改造,就可以实现目标检测,语言翻译等复杂功能!

当然,通过3天《深度学习框架原理创造实战训练营》,你可以一次性掌握神经网络的原理,进一步探索激动人心的人工智能。一旦你掌握了神经网络,你可以将神经网络的核心思想用到不同的问题中。在这里,我们将不会把视野限制在调用别人的功能,而是通过自己创造神经网络,优雅、从容的理解神经网络,理解真正的原理。

原价599元

现在购买,早鸟价限时49元

3天全勤打卡返还报名费

扫描下方二维码即可报名👇 

创造属于自己的神经网络框架


三天训练营,你将能学到什么?


第一天:

我们会使用Python,自己搭建一个最简单的构造线性回归程序,根据房屋的面积、位置、卧室数量等信息来预测房屋的售价。


在这个过程中,你将学会最重要的几个知识:


这些是神经网络最重要的基础,也为第二课奠定了基础。

(我们需要机器来自动拟合这组数据)


第二天:

我们会基于昨天的功能,在此基础之上,学习拓扑图(topologicgraph),学习连续偏导(partialderivative),然后学习到网络如何传播,权重如何更新。


在这个过程中,你将会学到:


(我们构建的神经网络框架的部分代码)

(我们的网络模型预测错误逐渐降低,能够真实使用)


第三天:

我们会创造属于自己的神经网络“kk-flow!”,并且发布到pip上。然后我们会使用kk-flow来进行著名的花卉分类任务。并且基于自己的神经网络框架,我们会讲解CNN神经元的原理,并且能学到增加一个卷积单元(convolutiaonneuralnetwork)需要用到哪些知识,稍微一些深入的学习,就可以完成目标检测(object-detection),语言翻译了(machinetranslation)等高级任务了。


在这个过程中,你将学到:




如何做到3天创造神经网络框架?


高老师的教学核心观点就是“理解原理 + 实战实现”。计算机科学里有一句话比较粗俗,叫“No BB, show me your code”, 是的,这也是高老师的教学风格,就是尽量让大家能通过代码,真正了解事物的原理。



独家在线实验环境,让你的上课过程从“只读”模式,转变为“编辑”模式。


什么人可以来学这门课程?


这次3天训练营,需要来参加课程的同学掌握基本的Python编程方法。相关的数学知识,会在课程给大家讲明白。


课程价格与时间安排


上课时间:

7月17、 18、 20日三天,每晚19:30 直播授课,7月19日在线实训,助教会协助大家复盘代码,让大家彻底掌握知识。


课程费用:

原价599元,限时特价49元


扫码下方的二维码,直接付费,我们的课程顾问会联系到你,然后就可以开始课程的学习了。

 长按扫码添加

名额有限 招满即止

↓ ↓ ↓ 

创造属于自己的神经网络框架👆


开课吧【训练营】的初衷


大家都知道,学习不是一件容易的事,需要克服惰性。【训练营】虽然只有3天时间,内容却很多,能坚持学到最后的人占比很低,这是可以预见的;


为了避免优质学习资源的浪费,筛选出高意向,迫切需要的读者,激发大家学习的热情和决心,开课吧才设置了一定门槛:


你只需支付 49元 的预定金,然后做到 3 天全勤打卡 , 49 元预定金会在结课后 3 天内全部退给大家。这些个标准其实并不难,如果你态度认真,努努力就能做到。

(如果你对退款仍有点担心,可以到各大平台了解一下开课吧公司的更多信息)

登录查看更多
0

相关内容

人工神经网络(Artificial Neural Network,即ANN ),是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象, 建立某种简单模型,按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。 最近十多年来,人工神经网络的研究工作不断深入,已经取得了很大的进展,其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题,表现出了良好的智能特性。
《强化学习—使用 Open AI、TensorFlow和Keras实现》174页pdf
专知会员服务
136+阅读 · 2020年3月1日
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
163+阅读 · 2019年10月28日
【开源书】PyTorch深度学习起步,零基础入门(附pdf下载)
专知会员服务
110+阅读 · 2019年10月26日
基于TensorFlow和Keras的图像识别
Python程序员
16+阅读 · 2019年6月24日
【干货】使用Pytorch实现卷积神经网络
专知
13+阅读 · 2018年5月12日
开源神经网络框架Caffe2全介绍
北京思腾合力科技有限公司
3+阅读 · 2017年12月12日
神经网络理论基础及 Python 实现
Python开发者
6+阅读 · 2017年7月15日
Arxiv
15+阅读 · 2020年2月5日
Conditional BERT Contextual Augmentation
Arxiv
8+阅读 · 2018年12月17日
Attend More Times for Image Captioning
Arxiv
6+阅读 · 2018年12月8日
LARNN: Linear Attention Recurrent Neural Network
Arxiv
5+阅读 · 2018年8月16日
Arxiv
8+阅读 · 2018年3月20日
Arxiv
3+阅读 · 2018年3月5日
VIP会员
相关资讯
基于TensorFlow和Keras的图像识别
Python程序员
16+阅读 · 2019年6月24日
【干货】使用Pytorch实现卷积神经网络
专知
13+阅读 · 2018年5月12日
开源神经网络框架Caffe2全介绍
北京思腾合力科技有限公司
3+阅读 · 2017年12月12日
神经网络理论基础及 Python 实现
Python开发者
6+阅读 · 2017年7月15日
相关论文
Top
微信扫码咨询专知VIP会员