DEADLINE: 2020-08-01 22:00
寫在最前面： 本周學習的是卷積神經網絡，是本課程重點中的重點，大家務必要熟練掌握。
本周的學習任務包括 視頻學習 、 代碼練習 、論文講解 三部分。
1. 視頻學習
● 深度學習的數學基礎
（下載地址：https://www.jianguoyun.com/p/DStBQ98QrKKIBhis-K4D）
這部分是桑老師給課程加的內容，大家看看，科普下就好，看不太明白也沒有關系
有部分同學事已經學過這些視頻，可以略過
● 卷積神經網絡
（下載地址：https://www.jianguoyun.com/p/DaAOf94QrKKIBhi1-K4D）
主要內容包括：
- CNN的基本結構：卷積、池化、全連接
- 典型網絡結構：AlexNet、VGG、GoogleNet、ResNet
有部分同學事已經學過這些視頻，可以略過
● 京東專家結合 pytorch 代碼講解 ResNet
B站鏈接：https://www.bilibili.com/video/BV1o7411f7UM
主要內容包括：殘差學習的基本原理、恆等映射和Shotcut、使用 pytorch 實現 ResNet152
所有視頻下載鏈接2020年7月30日自動過期，請抓緊時間下載。
2. 代碼練習
代碼練習需要使用谷歌的 Colab ，大家有任何問題可以隨時在群里 AT 我。有部分同學已經做過這部分代碼練習，可以略過。
● MNIST 數據集分類
構建簡單的CNN對 mnist 數據集進行分類。同時，還會在實驗中學習池化與卷積操作的基本作用。
鏈接：https://github.com/OUCTheoryGroup/colab_demo/blob/master/05_01_ConvNet.ipynb
要求： 把代碼輸入 colab，在線運行觀察效果
● CIFAR10 數據集分類
使用 CNN 對 CIFAR10 數據集進行分類
鏈接：https://github.com/OUCTheoryGroup/colab_demo/blob/master/05_02_CNN_CIFAR10.ipynb
要求： 把代碼輸入 colab，在線運行觀察效果
● 使用 VGG16 對 CIFAR10 分類
鏈接：https://github.com/OUCTheoryGroup/colab_demo/blob/master/05_03_VGG_CIFAR10.ipynb
要求： 把代碼輸入 colab，在線運行觀察效果
● 使用VGG模型遷移學習進行貓狗大戰
鏈接：https://github.com/OUCTheoryGroup/colab_demo/blob/master/05_04_Transfer_VGG_for_dogs_vs_cats.ipynb
要求：這部分為 Kaggle 於 2013 年舉辦的貓狗大戰競賽，使用在 ImageNet 上預訓練的 VGG 網絡進行測試。因為原網絡的分類結果是1000類，所以這里進行遷移學習，對原網絡進行 fine-tune （即固定前面若干層，作為特征提取器，只重新訓練最后兩層）。
仔細研讀AI研習社貓狗大戰賽題的要求：https://god.yanxishe.com/41 （目前比賽已經結束，但仍可做為練習賽每天提交測試結果）
下載比賽的測試集（包含2000張圖片），利用fine-tune的VGG模型進行測試，按照比賽規定的格式輸出，上傳結果評測
3. 論文講解
我按照上周提交作業的先后次序，抽了 解志傑 、 王炳路 、 馮敏 三個同學做分享。我指定一個知識點或論文論文來閱讀，然后下周四（7月30日）下午用PPT分享，大家一起學習。
解志傑： 閱讀《大話CNN經典模型》，鏈接：https://my.oschina.net/u/876354/blog/1637819
王炳路： 閱讀谷歌2017年的論文：《MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications》
馮敏： 閱讀《HybridSN: Exploring 3-D–2-D CNN Feature Hierarchy for Hyperspectral Image Classification》
4. 博客作業要求
完成一篇博客，題目為“ 第二次作業：卷積神經網絡 part 1” ，博客內容包括三部分：
● 【第一部分】 視頻學習心得及問題總結
根據三個視頻的學習內容，寫一個總結，最后列出沒有學明白的問題，初步計划針對大家的疑問，下周四（7月30日）下午在騰訊會議討論一下，大家可提前把問題列出來。（以前已經學過視頻課程的同學可以略過此步驟）
● 【第二部分】 代碼練習
在谷歌 Colab 上完成代碼練習，關鍵步驟截圖，並附一些自己的想法和解讀。（以前已進行過代碼練習的同學可以略過此步驟）
● 【第三部分】 展望學習（選做）
本部分供有余力的同學選做。 結合論文自學谷歌提出的 Inception V1 至 V4， 以及 MobileNets，整理一個學習心得。
● 【第四部分】 實戰練習（選做）
本部分僅供有余力的同學選做。
AI研習社新上了一個比賽 “ 工業表面紋理缺陷檢測 ”，獎金3000元。比賽鏈接：https://god.yanxishe.com/80
比賽時間為7月24日至8月22日，來自德國海德堡大學圖像處理合作項目，提交結果只要大過標准分40就有獎金。
如果在這個比賽中取得一個不錯的名次，寫在簡歷里面，也算一個不大不小的亮點了 ~~~ 感興趣的同學加油！