Build your ultimate AI agent
课程介绍
学习在 Python 中使用卷积神经网络
图像模型通常需要使用数据训练神经网络的深度学习方法 用于执行各种机器学习任务的网络算法。 卷积神经网络 卷积神经网络（CNNs）是特别强大的神经网络，你将用它们来 对图像进行分析时，对不同类型的对象进行分类。 这门四小时的 课程将教你如何使用 Keras 构建、训练和评估 CNN。将图像转化为数据，并教神经网络对其进行分类，是一项 贯穿各领域的深度学习的极具挑战性的要素 商业和研究，从帮助电子商务网站更好地管理库存开始 轻松帮助癌症研究人员快速识别危险的黑色素瘤。
探索 Keras CNN
本课程的第一章介绍了如何将图像视为数据，以及 如何使用 Keras 训练神经网络来对中发现的对象进行分类 图片。第二章将介绍卷积，这是 CNN 的基础组成部分。 你将会 了解它们如何处理图像数据，并学习如何训练和调整你的 使用测试数据的 Keras CNN。 后面的章节会更详细地讲解，并教你 如何创建深度学习网络。
构建你自己的 Keras 神经网络
你将通过学习多种方式来跟踪如何结束课程 了解卷积神经网络（CNN）的工作原理，以及如何提升其性能。 此时，你将能够构建 Keras 神经网络，对其进行优化，并进行可视化 他们在各种应用中的响应。先修要求
课程大纲
课程大纲
1
用神经网络进行图像处理
卷积神经网络利用图像中所表示的数据来学习。本章将探查图像中的数据，并学习如何使用 Keras 训练神经网络，对图像中出现的对象进行分类。
2
使用卷积
卷积是卷积神经网络的基本构件。本章将向您介绍卷积，并讲解它们如何作用于图像数据。您还将学习如何在 Keras 神经网络中加入卷积。
3
更深入的网络
当卷积神经网络由多层（深层网络）构成时，其能力会显著提升。本章将讲解如何将多层卷积层堆叠成一个深层网络。您还将学习在网络变深时如何统计参数数量，并掌控这一数量。
4
理解并改进深层卷积网络
有许多方法可以改进神经网络的训练效果。本章将重点介绍如何跟踪网络的表现，并探讨改进卷积神经网络的多种途径。
使用 Keras 进行图像建模
课程完成
