第四课：BatchNorm，更深的卷积神经网络，Hybridize和新的Kaggle练习

时间：北京时间 10月14号星期六早10点到中午12点地点：将门斗鱼直播：http://ift.tt/2zgJN06 接着上节课讲到的VGG，这节课我们讲完近几年主要的几个深度卷积神经网络。并公布第二个大作业，如何在图片物体识别数据集CIFAR10上获取state-of-the-art结果。 具体安排如下： [5min] 奖励积极参加第一次Kaggle作业的小伙伴总共$2000的AWS Credit [20min] 批量归一化使得更深的卷积神经网络很容易训练：从0开始，使用Gluon [60min] 更深的卷积神经网络：NiN, GoogLeNet, ResNet, DenseNet [20min] 使用hybridize来使得代码更快，更好移植 [10min] 新的Kaggle练习：cifar10分类。我们同样会给积极参加小伙伴提供核弹支持。 via gluon - 知乎专栏 http://ift.tt/2zgJQsO RSS8