一、深度神经网络
1.从识别到深度识别
2.神经网络系统
3.神经元建模
4.常见**函数
5.神经网络-前向计算
6.交叉熵损失函数
7.Softmax损失函数
二、神经网络训练
1. 神经网络训练-梯度反传算法
三、深度卷积网络
1.卷积层建模
2.池化层
3.全连接层
4.卷积神经网络实例
5.卷积层可视化
四、热门网络结构和深度学习应用
1.热门网络结构
2.图像识别PLUS-物体检测
五、深度学习项目落地的那些坑
1.明确需求
2.数据准备
3.选择好的模型+先验知识
4.使用合适的软件包
根据需求选择合适的包：TensorFlow，Pytorch,caffe等
学习视频
