| 课程内容： 00.python从入门到精通视频 01.深度学习入门视频课程（上篇） 第1章深度学习必备基础知识点 1-1深度学习与人工智能简介 11:27 1-2计算机视觉面临挑战与常规套路09:40 1-3用K近邻来进行图像分类10:01 1-4超参数与交叉验证10:31 1-5线性分类09:34 1-6损失函数09:18 1-7正则化惩罚项07:19 1-8softmax分类器13:38 1-9最优化形象解读06:47 1-10梯度下降算法原理11:48 1-11反向传播15:17 第2章神经网络模型36分钟3节 2-1神经网络整体架构10:11 2-2神经网络模型实例演示10:38 2-3过拟合问题解决方案15:53 第3章神经网络案例实战1小时44分钟7节 3-1Python环境搭建（推荐Anaconda方法）[免费观看]13:10 3-2Eclipse搭建python环境（选自己喜欢的IDE就好）05:23 3-3深度学习入门视频课程09 动手完成简单神经网络（代码）31:51 3-4感受神经网络的强大11:30 3-5神经网络案例-cifar分类任务16:01 3-6神经网络案例-分模块构造神经网络13:33 3-7神经网络案例-训练神经网络完成分类任务 02.深度学习入门视频课程（下篇） 1深度学习入门课程01 感受卷积神经网络的强大[免费观看]14:55 2深度学习入门课程02 卷积层详解12:53 3深度学习入门课程03 卷积计算流程12:30 4深度学习入门课程04 卷积核参数分析13:13 5深度学习入门课程05 卷积参数共享原则08:09 6深度学习入门课程06 池化层（Pooling）原理08:24 7深度学习入门课程07 卷积神经网络反向传播原理14:44 8深度学习入门课程08 实现卷积层的前向传播与反向传播10:19 9深度学习入门课程09 实现Pooling层的前向传播与反向传播12:00 10深度学习入门课程10 经典卷及网络架构实例20:35 11深度学习入门课程11 RNN网络结构08:39 12RNN网络细节11:54 13深度学习入门课程12 python实现RNN算法33:46 14深度学习入门课程13 LSTM网络结构简介12:36 15深度学习入门课程14 分类与回归（Location）任务应用详解33:30 16深度学习入门额课程15 物体检测实例33:16 17深度学习入门课程16 如何巧妙设计网络结构21:52 18深度学习入门课程17 训练技巧之数据增强12:20 19深度学习入门课程18 训练技巧之Transfer Learning11:09 20深度学习入门课程19 深度学习框架Caffe简介20:43 21深度学习入门课程20 深度学习框架Caffe训练过程20:39 22深度学习入门课程21 深度学习框架Caffe接口使用实例 03.深度学习顶级论文算法详解视频课程 2017年深度学习顶级论文算法详解视频课程 课程目标 通俗易懂的讲解当今最流行最牛的顶级会议论文，即便刚入门的同学也能理解最前沿的技术。 适用人群 深度学习，人工智能爱好者 课程简介 详解最新的顶级会议论文的核心算法和思想，所选论文都是当今最主流和最有学习价值的算法如faster-rcnn,深度残差网络等。结合算法流程图，对于每一个复杂的算法总结成通俗易懂的原理思想，即便刚入门这个领域也能快速理解深度学习领域顶级的算法思想 课程大纲 1深度学习顶级算法详解01 课程简介 06:08 2深度学习顶级算法详解02 检测通用框架Faster 16:26 3深度学习顶级算法详解03 Faster-Rcnn之RPN层详解 23:47 4深度学习顶级算法详解04 Faster-Rcnn整体框架流程 19:41 5深度学习顶级算法详解05 Faster-Rcnn框架实验结果评估 21:43 6深度学习顶级算法详解06 关键点定位论文算法整体框架[免费观看] 20:36 7深度学习顶级算法详解07 关键点定位论文细节实现解读 11:29 8深度学习顶级算法详解08 关键点定位论网络结构详解 09:13 9深度学习顶级算法详解09 深度残差网络架构分析 12:58 10深度学习顶级算法详解10 深度残差网络实现细节 13:56 11深度学习顶级算法详解11 Prisma图像风格变换原理 10:34 12深度学习顶级算法详解12 Style-Transfer实现细节 11:00 13深度学习顶级算法详解13 级联网络结构原理分析 11:01 14深度学习顶级算法详解14 级联网络实现细节 13:17 15深度学习顶级算法详解15 DeepFashion在服装推荐,属性识别的贡献 12:57 16深度学习顶级算法详解16 DeepFashion网络结构详解 04.大数据——深度学习框架Caffe使用案例视频课程 1caffe框架视频课程01 深度学习框架caffe简 11:15 2caffe框架视频课程02 网络配置-数据层详解 18:14 3caffe框架视频课程03 网络配置-各计算层详解 25:35 4caffe框架视频课程04 solver超参数配置文件 19:54 5caffe框架视频课程05 制作LMDB数据源训练分类网络 31:59 6caffe框架视频课程06 多label问题之HDF5数据源 21:33 7caffe框架视频课程07 使用命令行训练网络 12:57 8caffe框架视频课程08 使用python定义自己的层 9caffe框架视频课程09 绘制网络结构图 10caffe框架视频课程10 生成网络配置文件10:20 11caffe框架视频课程11 对训练的网络模型绘制LOSS曲线11:59 12caffe框架视频课程12 对训练结果进行分类任务 05.深度学习框架-Tensorflow案例实战视频课程 第1章Tensorflow基础操作1小时55分钟8节 1-1Tensorflow简介与安装[免费观看]15:46 1-2Tensorflow中的变量[免费观看]08:10 1-3变量常用操作13:38 1-4实现线性回归算法15:14 1-5Mnist数据集简介12:53 1-6逻辑回归算法15:26 1-7神经网络结构16:21 1-8卷积网络结构基本定义17:42 第2章Tensorflow神经网络1小时10分钟5节 2-1卷积神经网络迭代13:53 2-2Cifar-10图像分类任务16:18 第3章卷积神经网络实战：猫狗识别1小时4节 3-1卷积神经网络实战：猫狗识别13:18 3-2数据读取12:03 3-3网络架构18:05 3-4网络迭代训练16:44 第4章Tensorflow项目实战-验证码识别55分钟5节 4-1测试效果08:39 第5章递归神经网络模型（RNN）58分钟4节 5-1RNN网络基本架构11:58 5-2实现RNN网络架构13:28 5-3RNN实现自己的小demo13:54 5-4RNN预测时间序列18:49 第6章致敬经典：Alexnet网络48分钟4节 6-1环境配置15:19 6-2数据读取11:56 6-3网络结构定义10:14 6-4加载训练好参数11:23 第7章Tensorboard可视化模块53分钟4节 7-1Tensorboard可视化展示12:15 7-2展示效果13:39 7-3统计可视化展示10:17 7-4参数对结果的影响17:14 第8章tfrecord数据源制作1小时7分钟4节 8-1生成自己的数据集12:39 8-2读取数据11:55 8-3生成数据源18:14 8-4加载tfrecord进行分类任务24:26 第9章CNN文本分类任务37分钟3节 9-1CNN文本分类任务概述13:29 9-2文本分类任务特征定义15:55 9-3卷积网络定义08:20 9-4完成预测分类任务15:11 9-5Resnet网络原理13:22 9-6网络流程设计11:46 第10章Resnet残差网络16分钟1节 10-1残差网络细节16:52 10-2Tensorflow案例实战视频课程19 验证码数据生成10:43 10-3Tensorflow案例实战视频课程20 构造网络的输入数据和标签11:58 10-4Tensorflow案例实战视频课程21 卷积网络模型定义13:24 10-5Tensorflow案例实战视频课程22 迭代及测试网络效果 06.决胜AI-强化学习实战系列视频课程 第1章强化学习基本原理1小时42分钟10节 1-1强化学习简介[免费观看]09:33 1-2强化学习基本概念09:54 1-3马尔科夫决策过程09:06 1-4Bellman方程12:22 1-5值迭代求解08:12 1-6代码实战求解过程11:14 1-7QLearning基本原理10:00 1-8QLearning迭代计算实例11:07 1-9QLearning迭代效果08:59 1-10求解流程详解11:42 第2章强化学习项目实战-DQN让AI自己玩游戏1小时38分钟11节 2-1DeepQnetwork原理06:38 2-2DQN网络细节11:00 2-3DQN网络参数配置08:23 2-4搭建DQN网络模型11:31 2-5DQN卷积操作定义10:07 2-6数据预处理11:41 2-7实验阶段数据存储08:18 2-8实现训练模块10:50 2-9Debug解读训练代码05:05 2-10完整代码流程分析11:33 2-11DQN效果演示 07.大数据-深度学习项目实战视频课程-人脸检测 1人脸检测项目概述[免费观看]01:55 2数据收集[免费观看]11:20 3正负样本裁剪策略13:40 4Caffe数据源准备13:42 5LMDB脚本文件07:45 6制作LMDB数据源09:24 7网络模型配置文件11:49 8选择合适的参数并训练网络模型15:39 9检测算法框架原理13:18 10实现多尺度人脸检测算法16:35 11坐标映射变换14:08 12完成检测代码07:36 13检测效果及改进10:41 14优化策略分析05:18 15模型准确率影响因素分析08:08 16项目总结 08.大数据-深度学习项目实战-关键点定位视频课程 1深度学习项目实战01 人脸关键点检测算法框架[免费观看]10:47 2深度学习项目实战02 多标签数据源制作以及标签坐标转换22:14 3深度学习项目实战03 对原始数据进行数据增强10:41 4深度学习项目实战04 完成第一阶段HDF5数据源制作15:01 5深度学习项目实战05 第一阶段网络训练09:14 6深度学习项目实战06 第二三阶段网络数据源制作23:40 7深度学习项目实战07 第二三阶段网络模型训练10:52 8深度学习项目实战08 网络模型参数初始化11:47 9深度学习项目实战09 完成全部测试结果16:22 10深度学习项目实战10 人脸关键点检测效果08:04 11深度学习项目实战11 项目总结分析16:59 12深度学习项目实战12 算法框架分析 09.深度学习项目实战视频课程-StyleTransfer(基于Tensorflow) 1课程简介[免费观看]04:53 2Tensorflow安装03:31 3style-transfer基本原理07:35 4风格生成网络结构原理07:06 5风格生成网络细节11:52 6风格转换效果展示05:37 7风格转换参数配置12:45 8数据读取操作09:57 9VGG体征提取网络结构10:16 10内容与风格特征提取09:20 11生成网络结构定义05:33 12生成网络计算操作11:12 13参数初始化08:50 14Content损失计算05:52 15Style损失计算08:41 16完成训练模块11:03 17模型保存与打印结果08:24 18完成测试代码 10.Tensorflow项目实战视频课程-文本分类 1课程任务与环境简介[免费观看]03:10 2Tensorflow安装03:31 3数据与任务简介04:14 4如何使用卷积神经网络进行文本分类13:08 5配置项目所涉及参数15:02 6数据读取11:01 7数据切分11:26 8构造session计算域09:07 9卷积网络模块定义12:56 10多卷积核特征提取13:21 11完成整体网络架构12:57 12创建batch迭代模块11:31 13完成训练模块代码11:34 14训练效果04:40 15中文文本分类解决思路 11.深度学习项目实战视频课程-Seq2Seq序列生模型 第1章Seq2Seq网络架构原理40分钟5节 1-1课程简介[免费观看]02:11 1-2机器翻译技术发展[免费观看]09:13 1-3Seq2Seq网络基本架构07:16 1-4Seq2Seq网络应用09:10 1-5Attention机制13:02 第2章案例实战：序列排序生成46分钟5节 2-1环境配置06:00 2-2数据预处理11:26 2-3编码层与词向量10:21 2-4完成解码模块10:05 2-5模型迭代08:26 第3章文本摘要生成39分钟4节 3-1数据预处理10:55 3-2使用构建好的词向量模型09:02 3-3完成解码操作08:44 3-4任务总结 12.自然语言处理-Word2Vec视频教程 第1章Word2Vec原理1小时35分钟11节 1-1课程简介[免费观看]04:36 1-2自然语言处理与深度学习11:58 1-3语言模型06:16 1-4N-gram模型08:32 1-5词向量09:27 1-6神经网络模型10:02 1-7Hierarchical Softmax10:01 1-8CBOW模型实例11:20 1-9CBOW求解目标05:39 1-10梯度上升求解10:10 1-11负采样模型07:15 第2章Gensim构造词向量模型33分钟4节 2-1使用Gensim库构造词向量06:21 2-2维基百科中文数据处理10:27 2-3Gensim构造word2vec模型08:52 2-4测试模型相似度结果07:42 第3章Tensorflow实战word2vec1小时5分钟7节 3-1环境配置06:00 3-2中文数据预处理11:06 3-3word2vec模型构造10:36 3-4构造图计算模型07:54 3-5word2vec训练10:47 3-6模型训练模块10:18 3-7迭代预测效果08:39 第4章案例：情感分类任务56分钟4节 4-1影评情感分类任务概述17:49 4-2基于词袋模型训练分类器11:08 4-3准备word2vec输入数据10:46 4-4使用gensim构建word2vec词向量 13.深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程 第1章递归神经网络原理（RNN）34分钟4节 1-1课程简介[免费观看]01:21 1-2递归神经网络（RNN）08:39 1-3RNN网络细节11:54 1-4LSTM网络架构12:36 第2章RNN手写字体识别32分钟3节 2-1处理Mnist数据集11:50 2-2RNN网络模型10:42 2-3训练RNN网络10:05 第3章Tensorflow打造唐诗生成网络1小时18分钟8节 3-1任务概述与环境配置04:18 3-2参数配置11:17 3-3数据预处理模块14:11 3-4Batch数据制作12:39 3-5RNN模型定义08:53 3-6完成训练模块12:46 3-7训练唐诗生成模型04:35 3-8测试唐诗生成效果09:32 第4章使用LSTM进行情感分析43分钟3节 4-1使用LSTM进行情感分类13:13 4-2情感数据集处理13:07 4-3基于word2vec的LSTM模型 14.机器学习对抗生成网络 第1章深度学习项目实战-对抗生成网络（GAN）1小时14分钟9节 1-1课程简介[免费观看]05:21 1-2对抗生成网络形象解释07:17 1-3对抗生成网络工作原理09:49 1-4Tensorflow安装（建议Python3.5版本下安装）07:09 1-5案例实战对抗生成网络：环境配置08:38 1-6案例实战对抗生成网络：构造判别网络模型11:36 1-7案例实战对抗生成网络：构造生成网络模型08:08 1-8案例实战对抗生成网络：构造损失函数06:35 1-9案例实战对抗生成网络：训练对抗生成网络10:02 第2章基于卷积的对抗生成网络（DCGAN）1小时5分钟7节 2-1DCGAN基本原理10:12 2-2DCGAN的网络模型架构06:09 2-3DCGAN项目实战：DIY你要生成的数据06:01 2-4DCGAN项目实战：配置参数12:54 2-5DCGAN项目实战：基于卷积的生成网络架构11:51 2-6DCGAN项目实战：基于卷积的判别网络10:00 2-7DCGAN项目实战：训练DCGAN网络 |
| 欢迎光临 IT视频教程资源网 (http://buyallchip.top/) | Powered by Discuz! X3.2 |