乾貨|| 斯坦福李飛飛2017 CS231n最新課程（全部內容）

李飛飛主講的CS231n課程作為深度學習和計算機視覺方面的重要基礎課，一直備受推崇，今年4月，她的課程再次開課，並進行了調整和更新，智能觀整理了最新的課程全部內容，分享給大家。

第一講

這一講做了整體課程介紹，包括計算機視覺概述、歷史背景以及課程組織等。

第二講

圖像分類：數據驅動方法、K-最近鄰、線性分類I。

第三講

損失函數和優化：包括線性分類II，高階表徵、圖像特點，優化、隨機梯度下降等內容。

第四講

神經網路：介紹反向傳播、多層感知器、神經元的概念。

第五講

卷積神經網路：卷積神經網路的歷史、卷積和池化、卷積神經網路的前瞻和願景。

第六講

訓練神經網路（I）：包括激活函數、權重初始化、批量歸一化等內容。

第七講

訓練神經網路（II）：優化方法、模型集成、正則化、數據擴張和遷移學習等。

第八講

深度學習軟體： Caffe、Torch、Theano、TensorFlow、Keras、PyTorch等。

第九講

CNN架構：AlexNet，VGG，GoogLeNet，ResNet等。

第十講

循環神經網路：主要包括RNN，LSTM，GRU，從語言建模、圖像描述、視覺問答系統等方面進行描述。

第十一講

檢測和分割：語義分割、目標檢測、實例分割。

第十二講

可視化和理解：特徵可視化和反演、對抗樣本、DeepDream（深度夢想）和風格轉移。

第十三講

生成模型：PixelRNN / CNN 、變分自編碼器、生成式對抗網路。

第十四講

強化學習：策略梯度，hard attention模型；Q-Learning和 Actor-Critic學習。

第十五講

現實世界使用：卷積演算法，CPU / GPU、低精度模型壓縮。

第十六講

對抗性樣本和對抗性訓練：該部分由lan goodfellow主講，詳細講解了對抗性樣本和對抗性訓練。