【直播】如何设计性能更强大的深度卷积神经网络

从事深度学习算法研究的人员一直在追求精度更高的网络性能，这一次我们将从模型的宽度、深度、卷积核和步长的大小，Dropout和BN层的设计，残差网络，多尺度与信息融合，Attention机制，AutoML，GAN等方向来讲述如何设计一个性能更强的CNN 模型。

文/编辑 | 言有三

1 直播主题 

网络结构是深度学习成功的关键因素之一，不仅是非常重要的学术研究方向，在工业界实践中也是模型是否能上线的关键。随着深度学习的发展，各种各样的网络结构都被设计出来，从拓扑结构到卷积核的使用方式，从追求高精度到追求高性能，从手动设计到基于AutoML的自动设计，有非常多的宝贵经验和核心技术值得研究总结和分享。

本次直播是我在阿里天池的系列直播中的第二个，第一次的主题是《深度卷积神经网络模型设计技术》，往期链接为

后面还有二个主题，《效率更高的卷积模型结构设计技术》，《一些工业界的实践技巧》，届时会在公众号通知的。

这次直播的内容如上，总共直播的时长是1小时20分钟，视频回放如下。

点击边框调出视频工具条

今年还要更新上百期GAN相关的内容，大有可为。