第 13 弹：斯坦福 Serena Yeung 带你看懂生成模型 | 2017 CS231n

CS231n 2017 双语字幕版独家上线

每周更新两集

首发 AI 研习社、AI 慕课学院

（ 预告：下周五是最后一次更新啦！！！）

斯坦福 Serena Yeung 带你

看懂生成模型

上手视频约 4 分钟，大家做好笔记

 ▼

大满足的全系列完整视频前往

▼▼▼  

mooc.ai/course/268 

课后习题讨论问答猛戳

▼▼▼  

 mooc.ai/bbs   

  什么是 CS231n 2017？

CS231n 的全称是 CS231n: Convolutional Neural Networks for Visual Recognition，即面向视觉识别的卷积神经网络。

该课程是斯坦福大学计算机视觉实验室推出的课程。需要注意的是，我们这次翻译的是 2017 春季（4 月至 6 月）的最新版本。

引用课程主页上的官方课程描述如下：

计算机视觉已经在我们的社会中无处不在，并广泛运用在搜索、图像理解、应用程序、测绘、医药、无人机和自动驾驶汽车等领域。这些应用程序的核心技术是视觉识别任务，如图像分类、图像定位和图像检测。近期，神经网络（又名 “深度学习”）方法上的进展极大地提高了这些代表最先进水平的视觉识别系统性能。

本课程深入探讨深度学习架构的细节问题，重点学习视觉识别任务（尤其是图像分类任务）的端到端学习模型。在为期 10 周的课程中，学生将学习如何实现、训练和调试自己的神经网络，并建立起对计算机视觉领域前沿研究方向的详细理解。最后的任务将涉及训练一个有数百万参数卷积神经网络，并将其应用于最大的图像分类数据库（ImageNet）上。

我们将着重教授如何设置图像识别问题，学习算法（例如反向传播），用于训练和微调（fine-tuning）网络的工程实践技巧，引导学生完成实践作业和最终课程项目。本课程的大部分背景知识和素材都来源于 ImageNet Challenge 竞赛。

  成为课后分享人

现在我们诚挚邀请正在学习 CS231n 课程的小伙伴来讲解这门课的课后作业，这门课共有 3 个 Assignments 以及 1 个 Final Project ，你可以选择其中一个或几个来进行分享讲解~ 详情链接：http://cs231n.github.io/ 

在后台回复 课后分享 ，加入到分享课后作业的队伍中来，还原算法过程，分享作业心得！同时，欢迎大家把学习笔记发布在 mooc.ai/bbs 的博客区！写得好的博客，会发布在我们的公众号哦！

点击【阅读原文】，观看 2017 最新版 CS231n！（中英字幕版）

▼▼▼