DEADLINE: 2020-08-01 22:00
写在最前面： 本周学习的是卷积神经网络，是本课程重点中的重点，大家务必要熟练掌握。
本周的学习任务包括 视频学习 、 代码练习 、论文讲解 三部分。
1. 视频学习
● 深度学习的数学基础
（下载地址：https://www.jianguoyun.com/p/DStBQ98QrKKIBhis-K4D）
这部分是桑老师给课程加的内容，大家看看，科普下就好，看不太明白也没有关系
有部分同学事已经学过这些视频，可以略过
● 卷积神经网络
（下载地址：https://www.jianguoyun.com/p/DaAOf94QrKKIBhi1-K4D）
主要内容包括：
- CNN的基本结构：卷积、池化、全连接
- 典型网络结构：AlexNet、VGG、GoogleNet、ResNet
有部分同学事已经学过这些视频，可以略过
● 京东专家结合 pytorch 代码讲解 ResNet
B站链接：https://www.bilibili.com/video/BV1o7411f7UM
主要内容包括：残差学习的基本原理、恒等映射和Shotcut、使用 pytorch 实现 ResNet152
所有视频下载链接2020年7月30日自动过期，请抓紧时间下载。
2. 代码练习
代码练习需要使用谷歌的 Colab ，大家有任何问题可以随时在群里 AT 我。有部分同学已经做过这部分代码练习，可以略过。
● MNIST 数据集分类
构建简单的CNN对 mnist 数据集进行分类。同时，还会在实验中学习池化与卷积操作的基本作用。
链接：https://github.com/OUCTheoryGroup/colab_demo/blob/master/05_01_ConvNet.ipynb
要求： 把代码输入 colab，在线运行观察效果
● CIFAR10 数据集分类
使用 CNN 对 CIFAR10 数据集进行分类
链接：https://github.com/OUCTheoryGroup/colab_demo/blob/master/05_02_CNN_CIFAR10.ipynb
要求： 把代码输入 colab，在线运行观察效果
● 使用 VGG16 对 CIFAR10 分类
链接：https://github.com/OUCTheoryGroup/colab_demo/blob/master/05_03_VGG_CIFAR10.ipynb
要求： 把代码输入 colab，在线运行观察效果
● 使用VGG模型迁移学习进行猫狗大战
链接：https://github.com/OUCTheoryGroup/colab_demo/blob/master/05_04_Transfer_VGG_for_dogs_vs_cats.ipynb
要求：这部分为 Kaggle 于 2013 年举办的猫狗大战竞赛，使用在 ImageNet 上预训练的 VGG 网络进行测试。因为原网络的分类结果是1000类，所以这里进行迁移学习，对原网络进行 fine-tune （即固定前面若干层，作为特征提取器，只重新训练最后两层）。
仔细研读AI研习社猫狗大战赛题的要求：https://god.yanxishe.com/41 （目前比赛已经结束，但仍可做为练习赛每天提交测试结果）
下载比赛的测试集（包含2000张图片），利用fine-tune的VGG模型进行测试，按照比赛规定的格式输出，上传结果评测
3. 论文讲解
我按照上周提交作业的先后次序，抽了 解志杰 、 王炳路 、 冯敏 三个同学做分享。我指定一个知识点或论文论文来阅读，然后下周四（7月30日）下午用PPT分享，大家一起学习。
解志杰： 阅读《大话CNN经典模型》，链接：https://my.oschina.net/u/876354/blog/1637819
王炳路： 阅读谷歌2017年的论文：《MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications》
冯敏： 阅读《HybridSN: Exploring 3-D–2-D CNN Feature Hierarchy for Hyperspectral Image Classification》
4. 博客作业要求
完成一篇博客，题目为“ 第二次作业：卷积神经网络 part 1” ，博客内容包括三部分：
● 【第一部分】 视频学习心得及问题总结
根据三个视频的学习内容，写一个总结，最后列出没有学明白的问题，初步计划针对大家的疑问，下周四（7月30日）下午在腾讯会议讨论一下，大家可提前把问题列出来。（以前已经学过视频课程的同学可以略过此步骤）
● 【第二部分】 代码练习
在谷歌 Colab 上完成代码练习，关键步骤截图，并附一些自己的想法和解读。（以前已进行过代码练习的同学可以略过此步骤）
● 【第三部分】 展望学习（选做）
本部分供有余力的同学选做。 结合论文自学谷歌提出的 Inception V1 至 V4， 以及 MobileNets，整理一个学习心得。
● 【第四部分】 实战练习（选做）
本部分仅供有余力的同学选做。
AI研习社新上了一个比赛 “ 工业表面纹理缺陷检测 ”，奖金3000元。比赛链接：https://god.yanxishe.com/80
比赛时间为7月24日至8月22日，来自德国海德堡大学图像处理合作项目，提交结果只要大过标准分40就有奖金。
如果在这个比赛中取得一个不错的名次，写在简历里面，也算一个不大不小的亮点了 ~~~ 感兴趣的同学加油！