上午

2、Python數(shù)據(jù)結(jié)構(gòu)、語(yǔ)法回顧

3、函數(shù)編寫與類的定義

4、Pytorch環(huán)境安裝

2、MINIST手寫識(shí)別案例（BP）

3、貓狗大戰(zhàn)

4、鳶尾花分類

5、手寫字符識(shí)別：EMNIST、MNIST、QMNIST、USPS、SVHN、KMNIST、Omniglot

6、實(shí)物分類：Fashion MNIST、CIFAR、LSUN、SLT-10、ImageNet

7、場(chǎng)景分類：LSUN、Places365

6、前饋神經(jīng)網(wǎng)絡(luò)

7、誤差后迭代神經(jīng)網(wǎng)絡(luò)

8、卷積神經(jīng)網(wǎng)絡(luò)（卷積、池化、dropout等的介紹）

9、經(jīng)典深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)：LeNet，AlexNet，VGG16，GoogleNet，ResNet等

11、目標(biāo)檢測(cè)

12、實(shí)例分割

13、語(yǔ)義分割

14、選取示例實(shí)戰(zhàn)（單層神經(jīng)網(wǎng)絡(luò)或線性回歸問題）

下午

16、Autograd機(jī)制以及相關(guān)函數(shù)

17、Torch.nn庫(kù)

19、數(shù)據(jù)處理（讀取數(shù)據(jù)、數(shù)據(jù)標(biāo)注、數(shù)據(jù)校驗(yàn)、數(shù)據(jù)亂序、擴(kuò)增）

20、模型設(shè)計(jì)（網(wǎng)絡(luò)結(jié)構(gòu)、損失函數(shù)、模型訓(xùn)練過程、評(píng)估、存儲(chǔ)）

21、訓(xùn)練配置（學(xué)習(xí)率、優(yōu)化算法、過擬合和欠擬合、計(jì)算機(jī)資源配置）

22、訓(xùn)練過程（評(píng)價(jià)指標(biāo)、可視化）

23、模型保存

25、ResNet-50結(jié)構(gòu)

26、本機(jī)配置計(jì)算試驗(yàn)

27、優(yōu)化思想和優(yōu)化方法

29、Cuda安裝

30、Cudnn安裝

31、Pytorch開啟Cuda加速api

上午

33、Pascal VOC數(shù)據(jù)集介紹

34、Labelme、labelImg標(biāo)注軟件介紹與使用

9、VOCDetection

10、COCODetection

11、路標(biāo)檢測(cè)

12、安全帽檢測(cè)

13、AI識(shí)蟲

14、車輛檢測(cè)

15、吸煙識(shí)別預(yù)測(cè)

36、數(shù)據(jù)讀取和預(yù)處理

37、Faster RCNN模型設(shè)計(jì)思想

38、基本概念（邊界框，錨框，交并比）

39、兩階段Anchor-Based方法

40、預(yù)訓(xùn)練模型

41、模型優(yōu)化策略

43、YOLOv3檢測(cè)流程

44、YOLOv3訓(xùn)練、預(yù)測(cè)、評(píng)估

45、實(shí)戰(zhàn)講解

下午

47、算法簡(jiǎn)介：FCN，U-Net，PSPNet，Deeplab

48、圖像分割應(yīng)用場(chǎng)景

17、人像分割

18、細(xì)胞分割

19、Cityscapes（駕駛場(chǎng)景的圖像）

20、VOCSegmentation

50、構(gòu)建U-net網(wǎng)絡(luò)

51、模型可視化

52、評(píng)估指標(biāo)與損失函數(shù)

53、算法優(yōu)化和調(diào)參

54、醫(yī)療影像實(shí)戰(zhàn)

56、ASPP模塊解析

57、Dilated Backbone

58、Deeplab V3詳解

59、Deeplab V3實(shí)戰(zhàn)

60、tensorflow、keras等框架的介紹