《深度学习入门与实践》配套代码

课程简介

• 授课教师：董豪 助理教授、研究员、博士生导师
• 所属机构：北京大学前沿计算研究中心
• 开课时间：2023年1月
• “深度学习入门与实践”课程的主要目标，是希望学习者通过该课程初步掌握深度学习的理论知识、常用算法原理并且具备一定的应用开发能力。本课程特色一方面是兼顾理论和实践，既讲解了深度学习的底层算法原理，又介绍了常用的模型算法，同时还配套有开发框架的代码实践。
• 课程主要内容包括神经网络基础、卷积神经网络、对抗生成网络（GAN）、循环神经网络等常用算法原理，包括张量、激活函数、反向传播、优化算法等基础概念，并且结合编程框架进行代码开发实践。
• 课程配套代码使用TensorLayerX框架开发，安装请参考官方文档。

课程目录

• ch01 神经网络基础

  • 内容摘要：神经元、激活函数、全连接层、多层感知机、反向传播、优化器，MNIST 手写识别
  • 代码运行：
    • 课上演示代码：

      python ch01/examples.py
      

    • 作业代码：
      • 自定义激活函数:

      python ch01/ex1_activations.py
      

      • 多层感知机MNIST 手写识别:

      python ch01/ex2_mnist_mlp.py
      

      • numpy实现反向传播:

      python ch01/ex3_bp.py
      

• ch02 卷积神经网络基础

  • 内容摘要：卷积层、池化层、特征提取与感受野、CIFAR10 图像分类、常用 backbone 算法
  • 代码运行：
    • 课上演示代码：

      python ch02/cnn.py
      

    • 作业代码：
      • CIFAR10 图像分类：

        python ch02/ex1_cifar10.py
        

• ch03 计算机视觉应用

  • 内容摘要：图像分类、目标检测、图像分割、人脸识别、图像生成
  • 代码运行：
    • 作业代码：
      • U-Net图像分割：

        cd ch03
        python ex_unet.py