8个最佳卷积神经网络资源

来源：https://www.mltut.com/best-convolutional-neural-network-resources/ 你想知道最佳卷积神经网络资源是什么吗？… 如果是，那么这篇文章正是为你准备的。在这篇文章中，你将找到8个最佳卷积神经网络资源。

话不多说，我们开始吧——

1. 什么是卷积神经网络？(https://www.mltut.com/best-convolutional-neural-network-resources/#what-is-convolutional-neural-network)
2. 1. PyTorch深度学习入门 – Udacity (https://www.mltut.com/best-convolutional-neural-network-resources/#1-intro-to-deep-learning-with-pytorch-udacity)
3. 2. 卷积神经网络 – deeplearning.ai (https://www.mltut.com/best-convolutional-neural-network-resources/#2-convolutional-neural-networks-deeplearningai)
4. 3. 深度学习 – Udacity (https://www.mltut.com/best-convolutional-neural-network-resources/#3-deep-learning-udacity)
5. 4. Python深度学习 – Datacamp (https://www.mltut.com/best-convolutional-neural-network-resources/#4-deep-learningin-python-datacamp)
6. 5. 深度学习：Python中的卷积神经网络 – Udemy (https://www.mltut.com/best-convolutional-neural-network-resources/#5-deep-learning-convolutional-neural-networks-in-python-udemy)
7. 6. TensorFlow深度学习入门 – Udacity (https://www.mltut.com/best-convolutional-neural-network-resources/#6-intro-to-tensorflow-for-deep-learning-udacity)
8. 7. 成为计算机视觉专家 – Udacity (https://www.mltut.com/best-convolutional-neural-network-resources/#7-become-a-computer-vision-expertudacity)
9. 8. 深度学习和计算机视觉A-ZTM：OpenCV、SSD与GANs – Udemy (https://www.mltut.com/best-convolutional-neural-network-resources/#8-deep-learning-and-computer-vision-a-z-opencv-ssd-gansudemy)

在介绍最佳卷积神经网络资源之前，我们先来看一下什么是卷积神经网络（CNN）。

什么是卷积神经网络？

卷积神经网络是一种深度学习算法，用于图像识别和自然语言处理。卷积神经网络（CNN）接收图像，识别其特征并进行预测。

Yann Lecun 是卷积神经网络之父，他是 Geoffrey Hilton 的学生。Geoffrey Hilton 是人工神经网络之父。

那么，我们来看看CNN是如何工作的：

什么是卷积神经网络？这是卷积神经网络的基本结构。输入图像可以是任何内容，CNN接收该图像执行操作，然后对其进行分类。

卷积神经网络可用于情感分析。也就是说，它可以根据图像特征检测一个人是开心还是悲伤。

什么是卷积神经网络？这只是一个用于参考的表情符号，但CNN可以识别人类面部的情感。CNN会给出概率，例如，它可以判断人有90%的概率是开心的。

现在，我们来看最佳卷积神经网络资源——

1.Intro to Deep Learning with PyTorch (https://click.linksynergy.com/deeplink?id=Vrr1tRSwXGM&mid=53187&murl=https%3A%2F%2Fwww.udacity.com%2Fcourse%2Fdeep-learning-pytorch–ud188) – Udacity

**完成时间：**2个月

这是一门免费的深度学习在线课程。在本课程中，你将学习如何训练一个卷积网络，根据狗的图片对犬种进行分类。之后，你将学习风格迁移，以及如何使用PyTorch构建循环神经网络。

本课程还将介绍如何实现一个网络，学习托尔斯泰的《安娜·卡列尼娜》，基于这部小说生成新的文本。最后，你将学习自然语言分类，并使用你的网络预测电影评论的情感。

谁适合报名？

• 熟悉Python以及NumPy和Matplotlib等数据处理库的人。

有兴趣报名吗？

如果有，那就开始学习吧——Intro to Deep Learning with PyTorch (https://click.linksynergy.com/deeplink?id=Vrr1tRSwXGM&mid=53187&murl=https%3A%2F%2Fwww.udacity.com%2Fcourse%2Fdeep-learning-pytorch–ud188)

2.Convolutional Neural Networks (https://imp.i384100.net/NKx4Qq) – deeplearning.ai

**完成时间：**41小时

**评分：**4.9/5

在本课程中，你将理解卷积神经网络的基础知识，并学习实现CNN的基础层**（池化、卷积）**。

之后，你将学习迁移学习，以及如何将迁移学习应用到自己的深度卷积神经网络中。

本课程还涵盖了目标检测。最后，你将探索CNN的应用，如人脸识别和神经风格迁移。

谁适合报名？

• 具备中级Python技能的人。

有兴趣报名吗？

如果有，那就开始学习吧——Convolutional Neural Networks (https://imp.i384100.net/NKx4Qq)

3.Deep Learning (https://click.linksynergy.com/deeplink?id=Vrr1tRSwXGM&mid=53187&murl=https%3A%2F%2Fwww.udacity.com%2Fcourse%2Fdeep-learning-nanodegree–nd101) – Udacity

**完成时间：**4个月（如果每周投入12小时）

**评分：**4.7/5

本纳米学位课程将教你如何构建用于图像识别的卷积网络、用于序列生成的循环网络，以及用于图像生成的生成对抗网络。

讲师Sebastian Thrun将讲解使用CNN检测皮肤癌。这是一门高级课程，用于理解CNN和深度学习的概念。不适合初学者。

谁适合报名？

• 具备中级Python编程知识，并有NumPy和pandas使用经验的人。
• 此外，还需要数学知识，包括代数和一些微积分。

有兴趣报名吗？

如果有，那就开始学习吧——Deep Learning (Udacity) (https://click.linksynergy.com/deeplink?id=Vrr1tRSwXGM&mid=53187&murl=https%3A%2F%2Fwww.udacity.com%2Fcourse%2Fdeep-learning-nanodegree–nd101)

4.Deep Learning in Python (https://datacamp.pxf.io/0JdvvE) – Datacamp

**完成时间：**20小时

**类型：**技能路径

这是Datacamp提供的技能路径。该技能路径包含5门课程 (https://www.datacamp.com/tracks/deep-learning-in-python?tap_a=5644-dce66f&tap_s=950491-315da1&utm_medium=affiliate&utm_source=aqsazafar)。

该技能路径将教你卷积神经网络，以及如何使用它们构建更强大的模型，从而获得更准确的结果。

整个技能路径中，你将参与项目，学习如何准确预测房价、信用卡借款人违约情况以及手语手势图像。不适合初学者。

谁适合报名？

• 具备机器学习和Python编程基础知识的人。

有兴趣报名吗？

如果有，那就开始学习吧——Deep Learning in Python (https://datacamp.pxf.io/0JdvvE)

5.Deep Learning: Convolutional Neural Networks in Python (https://trk.udemy.com/nXQPyV) – Udemy

**评分：**4.7/5

**完成时间：**12小时

本课程完全围绕卷积神经网络（CNN） 展开。

在本课程中，你将学习CNN的基础知识，以及如何使用Tensorflow 2构建CNN。之后，你将学习如何在Tensorflow 2中进行图像分类，以及如何为NLP使用Tensorflow 2中的嵌入。

如果你是初学者，本课程不适合你。

谁适合报名？

• 理解基础数学（求导、矩阵运算、概率） 的人。

有兴趣报名吗？

如果有，可以在此处查看——Deep Learning: Convolutional Neural Networks in Python (https://trk.udemy.com/nXQPyV)

6.Intro to TensorFlow for Deep Learning (https://click.linksynergy.com/deeplink?id=Vrr1tRSwXGM&mid=53187&murl=https%3A%2F%2Fwww.udacity.com%2Fcourse%2Fintro-to-tensorflow-for-deep-learning–ud187) – Udacity

**完成时间：**2个月

本课程将教你卷积神经网络，以及如何使用卷积网络为Fashion MNIST构建更高效的模型。

这是一门完全免费的课程。课程期间，你将参与一个项目，构建一个能够识别服装物品图像的神经网络。

谁适合报名？

• 了解Python编程和基础代数的人。

有兴趣报名吗？

如果有，那就开始学习吧——Intro to TensorFlow for Deep Learning (https://click.linksynergy.com/deeplink?id=Vrr1tRSwXGM&mid=53187&murl=https%3A%2F%2Fwww.udacity.com%2Fcourse%2Fintro-to-tensorflow-for-deep-learning–ud187)

7.Become a Computer Vision Expert (https://click.linksynergy.com/deeplink?id=Vrr1tRSwXGM&mid=53187&murl=https%3A%2F%2Fwww.udacity.com%2Fcourse%2Fcomputer-vision-nanodegree–nd891) – Udacity**

**评分：**4.7/5

**提供方：**Udacity

**完成时间：**3个月（如果每周投入10-15小时）

本纳米学位课程将教你基础图像处理，以及构建和定制卷积神经网络。

整个纳米学位课程中，你将参与多个项目，如面部关键点检测、自动图像描述以及地标检测与追踪。

本纳米学位课程不适合初学者。这是一个高级课程，你还将学习自动驾驶汽车导航和无人机飞行中使用的技术。

谁适合报名？

• 具备Python、统计学、机器学习和深度学习中级知识的人。
• 以及之前使用过深度学习框架（如TensorFlow、Keras或PyTorch）的人。

有兴趣报名吗？

如果有，可以在此处查看所有详情——Become a Computer Vision Expert (https://click.linksynergy.com/deeplink?id=Vrr1tRSwXGM&mid=53187&murl=https%3A%2F%2Fwww.udacity.com%2Fcourse%2Fcomputer-vision-nanodegree–nd891)

8.Deep Learning and Computer Vision A-ZTM: OpenCV, SSD & GANs (https://trk.udemy.com/qzjBJY) – Udemy**

**评分：**4.5/5

**提供方：**SuperDataScience团队

**完成时间：**11小时

在本课程中，你将学习什么是使用OpenCV的人脸识别、使用SSD的目标检测，以及使用GAN的图像生成。

本课程还涵盖了人工神经网络和卷积神经网络的概念。

谁适合报名？

• 具备基础Python编程知识和高中水平数学的人。

有兴趣报名吗？

如果有，可以在此处查看所有详情——Deep Learning and Computer Vision A-ZTM: OpenCV, SSD & GANs (https://trk.udemy.com/qzjBJY)

以上就是全部内容…… 所以，这就是8个最佳卷积神经网络资源。现在，该总结了。

结论

我希望这8个最佳卷积神经网络资源能帮助你详细学习CNN。我的目标是为你提供最佳的学习资源。如果你有任何疑问或问题，欢迎在评论区提问。

在评论区告诉我，你喜欢哪门课程。

祝一切顺利！

学习愉快！

谢谢！

在此学习深度学习基础。 (https://www.mltut.com/deep-learning/)

每日名言……

**‘**任何停止学习的人都是老人，无论二十岁还是八十岁。任何继续学习的人都会保持年轻。 – 亨利·福特

作者头像

作者：Aqsa Zafar (https://www.mltut.com/about-me-2/)

Aqsa Zafar 是位于Dayananda Sagar大学的机器学习博士生，专攻自然语言处理和深度学习。她已在心理健康人工智能应用领域发表过研究，并通过MLTUT积极分享数据科学、机器学习和生成式人工智能方面的见解。凭借扎实的计算机科学背景（B.Tech和M.Tech），Aqsa将学术专长与实践经验相结合，帮助学习者和专业人士理解并在现实场景中应用人工智能。