1樓：東臨碣石
可以從簡單的深度學習演算法開始學，尤其是卷積神經網路的各種結構，例如1）AlexNet
AlexNet是2023年的一種卷積神經網路結構，至今引用量已經超過8萬次。
AlexNet
2）ResNet
ResNet是卷積神經網路的一種變體，核心特色是跨層路徑。
ResNet
3）殘差收縮網路
面向強噪、高冗餘資料，殘差收縮網路
[1][2]採用了自適應軟閾值化，能夠減輕雜訊的影響。
（面向強噪、高冗餘資料的）殘差收縮網路
2樓：Guosheng Hu
我辦的乙個免費深度學習班，大概每年的3/4月開班，可以關注。
3樓：
其實很多人說吳恩達說的都不具體，導致有時候看的人一臉懵逼。
吳恩達的課程應該是有三個：
第乙個機器學習，適合初學者入門和系統了解一些淺層的機器學習演算法，深度學習的內容倒不是很多。
第二個，應該是公開課形式錄播大學課程。數學內容較多，適合基礎較好，也有興趣研究學習其數學原理的人。
第三個是deeping.ai的課程，這個應該是深度學習課程，從影象資料到序列資料都有講到，內容較新，裡面有翔實的案例和一些仍在使用的模型。應該是我認為從入門階段到上手階段過渡的最佳課程。
如何利用深度學習實現影象識別？
大煎餅 借助卷積神經網路或其變體，就可以實現。1 卷積神經網路 卷積神經網路最開始是用於手寫數字的識別，後來也用於影象中物體的識別。卷積神經網路 2 殘差網路 殘差網路是卷積神經網路的改進，新增了跨層連線。殘差網路 3 殘差收縮網路 殘差收縮網路 1 2 在殘差網路中又加入了軟閾值化，減輕了雜訊的影...
python深度學習（影象識別）的學習方法或者入門書籍有什麼？
大江東去 要實現影象識別的功能，現在最常用的是卷積神經網路吧。在卷積神經網路中，有比較基礎的，例如LeNet AlexNet，也有比較新的，例如殘差網路 深度殘差收縮網路。AlexNet是2012年在ImageNet分模擬賽中一鳴驚人的方法。AlexNet 由於殘差網路包含了跨層恒等對映，更易於梯度...
深度學習做影象識別，和傳統方式比有啥好處？
少木 可以解決傳統方法沒法或者很難解決的問題。有些問題傳統方法需要大量的人為制定規則，而深度學習可以自動完成這一步。這兩者各有優劣，可以互為補充 DataXujing 兩種當時都有優點，都有弊端，深度學習做識別，精度高，不然大佬們還再搞傳統的一些辦法，特徵提取的過程是自學習的，泛化能力比較強，但是需...