掌握可解释人工智能：解读图像分类器的决策

可解释人工智能（Explainable AI）是一套工具和框架，有助于理解并解释深度学习网络做出预测背后的内部逻辑。借助这些工具，可以在开发阶段深入了解模型的行为与工作机制，从而有效缓解相关问题。 在本课程中，您将学习多种主流的可解释AI算法，例如平滑梯度、积分梯度、LIME、类别激活图、反事实解释、特征归因等，这些算法适用于在大规模数据集（如ImageNet-1K）上训练的图像分类网络（例如MobileNet-V2）。 通过本课程的学习，您将理解可解释AI的必要性，并能够设计和实现诸如显著性图、类别激活图、反事实解释等常用解释算法。您还将掌握多种可解释性评估指标，用于评价和量化神经网络解释结果的质量。