颜色分类leetcode Applied Deep Learning 应用深度学习

颜色分类leetcode应用深度学习()课程目标和先决条件：这是一门为期两个学期的课程，主要为研究生设计。但是，也欢迎在概率、统计学（例如，线性和逻辑回归）、数值线性代数和优化方面表现出强大背景的本科生注册。我们的目标是让学生熟悉行业中采用的最先进的深度学习技术。深度学习是一个每隔几个月就会见证一次小型革命的领域。因此，注册本课程的学生渴望学习新概念非常重要。很多深度学习只是软件工程。因此，学生应该能够在完成作业时编写干净的代码。 Python将是本课程中使用的编程语言。熟悉TensorFlow和PyTorch是一个加分项，但不是必需条件。但是，随着课程的进行，学生愿意努力学习和使用这两个框架是非常重要的。第一部分主题（秋季学期）训练深度神经网络() ()计算机视觉图像分类大型网络() ()小型网络() ()自动机器学习() ()稳健性() ()可视化与理解() ()迁移学习() ()域适配()少拍学习()联邦学习()自我训练与对比学习()图像变换语义分割() ()超分辨率、去噪和着色() ()