——/人工智能/
第二阶段：进军AI-深度学习
[2020新版更新]人工智能-深度学习入门视频课程（下篇）(ID-6809)
1-1 卷积神经网络应用领域.mp4 26.64M
1-10 VGG网络架构.mp4 20.55M
1-11 1残差网络Resnet.mp4 18.38M
1-12 RNN网络细节.mp4 17.68M
1-13 感受野的作用.mp4 16.77M
1-2 卷积的作用.mp4 23.60M
1-3 卷积特征值计算方法.mp4 22.68M
1-4 得到特征图表示.mp4 18.47M
1-5 步长与卷积核大小对结果的影响.mp4 20.39M
1-6 边缘填充方法.mp4 17.93M
1-7 特征图尺寸计算与参数共享.mp4 22.04M
1-8 池化层的作用.mp4 11.33M
1-9 整体网络架构.mp4 17.99M
2-1 NLP应用领域与任务简介.mp4 29.40M
2-2 情感分析-项目流程解读.mp4 40.55M
2-3 加载词向量特征.mp4 31.62M
2-4 正负样本数据读取.mp4 30.59M
2-5 构建LSTM网络模型.mp4 45.01M
2-6 训练与测试效果.mp4 57.07M
3-1 词向量模型通俗解释.mp4 21.22M
3-2 模型整体框架.mp4 27.36M
3-3 训练数据构建.mp4 15.78M
3-4 CBOW与Skip-gram模型.mp4 22.57M
3-5 负采样方案.mp4 23.13M
人工智能深度学习入门视频课程(ID-6511)
1-1 深度学习要解决的问题.mp4 20.96M
1-2 深度学习应用领域.mp4 58.45M
1-3 计算机视觉任务.mp4 19.49M
1-4 视觉任务中遇到的问题.mp4 36.98M
1-5 得分函数.mp4 19.11M
1-6 损失函数的作用.mp4 32.59M
1-7 前向传播整体流程.mp4 38.46M
2-1 梯度下降通俗解释（以线性回归算法为例，神经网络也是如此）.mp4 20.56M
2-2 参数更新方法.mp4 25.80M
2-3 优化参数设置.mp4 26.75M
2-4 返向传播计算方法.mp4 24.79M
2-5 神经网络整体架构.mp4 31.40M
2-6 神经网络架构细节.mp4 43.75M
2-7 神经元个数对结果的影响.mp4 41.85M
2-8 正则化与激活函数.mp4 26.73M
2-9 神经网络过拟合解决方法.mp4 36.74M
3-1 神经网络整体框架概述.mp4 23.26M
3-10 完成全部迭代更新模块.mp4 58.53M
3-11 手写字体识别数据集.mp4 39.55M
3-12 算法代码错误修正.mp4 53.91M
3-13 模型优化结果展示.mp4 48.93M
3-14 测试效果可视化展示.mp4 56.72M
3-2 参数初始化操作.mp4 43.15M
3-3 矩阵向量转换.mp4 32.17M
3-4 向量反变换.mp4 35.44M
3-5 完成前向传播模块.mp4 35.15M
3-6 损失函数定义.mp4 36.24M
3-7 准备反向传播迭代.mp4 30.38M
3-8 差异项计算.mp4 42.78M
3-9 逐层计算.mp4 38.62M
资料.7z 10.30M
深度学习框架-PyTorch实战(ID-20853)
1-1 PyTorch实战课程简介.mp4 16.41M
1-2 PyTorch框架发展趋势简介.mp4 23.35M
1-3 框架安装方法（CPU与GPU版本）.mp4 16.60M
1-4 PyTorch基本操作简介.mp4 25.11M
1-5 自动求导机制.mp4 29.13M
1-6 线性回归DEMO-数据与参数配置.mp4 22.81M
1-7 线性回归DEMO-训练回归模型.mp4 30.65M
1-8 补充：常见tensor格式.mp4 17.06M
1-9 补充：Hub模块简介.mp4 37.23M
10-1 OCR文字识别要完成的任务.mp4 24.85M
10-2 CTPN文字检测网络概述.mp4 17.77M
10-3 序列网络的作用.mp4 21.76M
10-4 输出结果含义解析.mp4 16.33M
10-5 CTPN细节概述.mp4 21.25M
10-6 CRNN识别网络架构.mp4 14.93M
10-7 CTC模块的作用.mp4 9.76M
11-1 OCR文字检测识别项目效果展示.mp4 17.01M
11-2 训练数据准备与环境配置.mp4 28.99M
11-3 检测模块候选框生成.mp4 33.93M
11-4 候选框标签制作.mp4 35.32M
11-5 整体网络所需模块.mp4 20.74M
11-6 网络架构各模块完成的任务解读.mp4 32.29M
11-7 CRNN识别模块所需数据与标签.mp4 17.36M
11-8 识别模块网络架构解读.mp4 39.29M
12-1 3D卷积原理解读.mp4 22.38M
12-2 UCF101动作识别数据集简介.mp4 28.20M
12-3 测试效果与项目配置.mp4 49.26M
12-4 视频数据预处理方法.mp4 31.22M
12-5 数据Batch制作方法.mp4 42.91M
12-6 3D卷积网络所涉及模块.mp4 37.23M
12-7 训练网络模型.mp4 36.66M
13-1 BERT任务目标概述.mp4 11.28M
13-10 训练实例.mp4 23.51M
13-2 传统解决方案遇到的问题.mp4 23.32M
13-3 注意力机制的作用.mp4 15.95M
13-4 self-attention计算方法.mp4 23.89M
13-5 特征分配与softmax机制.mp4 21.35M
13-6 Multi-head的作用.mp4 20.10M
13-7 位置编码与多层堆叠.mp4 17.16M
13-8 transformer整体架构梳理.mp4 22.55M
13-9 BERT模型训练方法.mp4 20.74M
14-1 BERT开源项目简介.mp4 30.48M
14-10 构建QKV矩阵.mp4 55.59M
14-11 完成Transformer模块构建.mp4 45.84M
14-12 训练BERT模型.mp4 45.87M
14-2 项目参数配置.mp4 53.10M
14-3 数据读取模块.mp4 40.40M
14-4 数据预处理模块.mp4 43.13M
14-5 tfrecord制作.mp4 53.83M
14-6 Embedding层的作用.mp4 33.81M
14-7 加入额外编码特征.mp4 44.61M
14-8 加入位置编码特征.mp4 24.95M
14-9 mask机制.mp4 43.04M
15-1 项目配置与环境概述.mp4 27.03M
15-2 数据读取与预处理.mp4 22.02M
15-3 网络结构定义.mp4 31.07M
15-4 训练网络模型.mp4 36.62M
16-1 项目模板各模块概述.mp4 34.01M
16-2 各模块配置参数解析.mp4 36.02M
16-3 数据读取与预处理模块功能解读.mp4 46.17M
16-4 模型架构模块.mp4 29.43M
16-5 训练模块功能.mp4 45.07M
16-6 训练结果可视化展示模块.mp4 32.85M
16-7 模块应用与BenckMark解读.mp4 55.63M
2-1 气温数据集与任务介绍.mp4 22.82M
2-2 按建模顺序构建完成网络架构.mp4 35.08M
2-3 简化代码训练网络模型.mp4 35.55M
2-4 分类任务概述.mp4 13.81M
2-5 构建分类网络模型.mp4 29.20M
2-6 DataSet模块介绍与应用方法.mp4 33.73M
3-1 卷积神经网络应用领域.mp4 26.64M
3-10 VGG网络架构.mp4 20.55M
3-11 残差网络Resnet.mp4 18.38M
3-12 感受野的作用.mp4 16.77M
3-2 卷积的作用.mp4 23.60M
3-3 卷积特征值计算方法.mp4 22.68M
3-4 得到特征图表示.mp4 18.47M
3-5 步长与卷积核大小对结果的影响.mp4 20.39M
3-6 边缘填充方法.mp4 17.93M
3-7 特征图尺寸计算与参数共享.mp4 22.04M
3-8 池化层的作用.mp4 11.33M
3-9 整体网络架构.mp4 17.99M
4-1 卷积网络参数定义.mp4 24.08M
4-2 网络流程解读.mp4 30.92M
4-3 Vision模块功能解读.mp4 18.00M
4-4 分类任务数据集定义与配置.mp4 25.18M
4-5 图像增强的作用.mp4 15.96M
4-6 数据预处理与数据增强模块.mp4 38.83M
4-7 Batch数据制作.mp4 33.94M
5-1 迁移学习的目标.mp4 13.29M
5-2 迁移学习策略.mp4 16.08M
5-3 加载训练好的网络模型.mp4 37.65M
5-4 优化器模块配置.mp4 19.28M
5-5 实现训练模块.mp4 28.11M
5-6 训练结果与模型保存.mp4 31.65M
5-7 加载模型对测试数据进行预测.mp4 35.69M
5-8 额外补充-Resnet论文解读.mp4 54.32M
5-9 额外补充-Resnet网络架构解读.mp4 18.56M
6-1 RNN网络架构解读.mp4 22.98M
6-2 词向量模型通俗解释.mp4 21.22M
6-3 模型整体框架.mp4 27.36M
6-4 训练数据构建.mp4 15.78M
6-5 CBOW与Skip-gram模型.mp4 22.57M
6-6 负采样方案.mp4 23.13M
7-1 任务目标与数据简介.mp4 28.32M
7-2 RNN模型所需输入格式解析.mp4 20.10M
7-3 项目配置参数设置.mp4 38.02M
7-4 新闻数据读取与预处理方法.mp4 30.80M
7-5 LSTM网络模块定义与参数解析.mp4 34.05M
7-6 训练LSTM文本分类模型.mp4 36.80M
7-7 Tensorboardx可视化展示模块搭建.mp4 35.19M
7-8 CNN应用于文本任务原理解析.mp4 23.39M
7-9 网络模型架构与效果展示.mp4 43.64M
8-1 对抗生成网络通俗解释.mp4 21.20M
8-2 GAN网络组成.mp4 11.31M
8-3 损失函数解释说明.mp4 42.16M
8-4 数据读取模块.mp4 30.18M
8-5 生成与判别网络定义.mp4 36.40M
9-1 CycleGan网络所需数据.mp4 29.60M
9-10 额外补充：VISDOM可视化配置.mp4 25.88M
9-2 CycleGan整体网络架构.mp4 21.20M
9-3 PatchGan判别网络原理.mp4 10.98M
9-4 Cycle开源项目简介.mp4 30.04M
9-5 数据读取与预处理操作.mp4 47.99M
9-6 生成网络模块构造.mp4 50.15M
9-7 判别网络模块构造.mp4 20.60M
9-8 损失函数：identity loss计算方法.mp4 39.50M
9-9 生成与判别损失函数指定.mp4 53.89M
资料.7z 5.10G
第三阶段：深度学习实战-经典视觉项目
Python-深度学习-物体检测实战(ID-20420)
1-1 课程简介.mp4 12.11M
1-2 Mask-Rcnn开源项目简介.mp4 40.08M
1-3 开源项目数据集.mp4 23.40M
1-4 参数配置.mp4 62.20M
2-1 FPN网络架构实现解读.mp4 58.68M
2-10 RoiPooling层的作用与目的.mp4 36.93M
2-11 RorAlign操作的效果.mp4 27.42M
2-12 整体框架回顾.mp4 30.93M
2-2 FPN层特征提取原理解读.mp4 44.46M
2-3 生成框比例设置.mp4 30.55M
2-4 基于不同尺度特征图生成所有框.mp4 33.37M
2-5 RPN层的作用与实现解读.mp4 30.56M
2-6 候选框过滤方法.mp4 15.75M
2-7 Proposal层实现方法.mp4 33.06M
2-8 DetectionTarget层的作用.mp4 26.69M
2-9 正负样本选择与标签定义.mp4 27.13M
3-1 Labelme工具安装.mp4 12.17M
3-2 使用labelme进行数据与标签标注.mp4 22.20M
3-3 完成训练数据准备工作.mp4 24.90M
3-4 maskrcnn源码修改方法.mp4 54.80M
3-5 基于标注数据训练所需任务.mp4 33.44M
3-6 测试与展示模块.mp4 28.22M
4-1 COCO数据集与人体姿态识别简介.mp4 34.85M
4-2 网络架构概述.mp4 33.36M
4-3 流程与结果演示.mp4 41.08M
5-1 迁移学习的目标.mp4 13.29M
5-2 迁移学习策略.mp4 16.08M
5-3 Resnet原理.mp4 60.19M
5-4 Resnet网络细节.mp4 38.11M
5-5 Resnet基本处理操作.mp4 25.70M
5-6 shortcut模块.mp4 37.39M
5-7 加载训练好的权重.mp4 31.69M
5-8 迁移学习效果对比.mp4 42.61M
6-1 物体检测概述.mp4 42.57M
6-2 深度学习经典检测方法.mp4 39.26M
6-3 faster-rcnn概述.mp4 31.13M
6-4 论文解读.mp4 79.82M
6-5 RPN网络架构.mp4 70.55M
6-6 损失函数定义.mp4 101.14M
6-7 网络细节.mp4 80.13M
资料.7z 4.91G
Tensorflow-图像处理视频课程(ID-13042)
1-1 知识点介绍.mp4 62.89M
1-2 模型整体设计.mp4 33.39M
1-3 模型内部结构.mp4 44.19M
1-4 模型综述.mp4 57.60M
1-5 修复任务说明.mp4 34.07M
1-6 输入配置.mp4 37.93M
1-7 模型整体架构配置.mp4 49.18M
1-8 完成模型迭代.mp4 73.00M
1-9 效果演示.mp4 20.73M
2-1 知识点概述.mp4 28.47M
2-2 模型整体架构.mp4 44.40M
2-3 数据源处理.mp4 27.30M
2-4 数据输入与参数.mp4 34.94M
2-5 生成器模型.mp4 35.06M
2-6 判别器模型.mp4 36.76M
2-7 网络特征提取.mp4 29.45M
2-8 模型优化设置.mp4 62.31M
2-9 效果演示.mp4 43.44M
3-1 模板基础模型.mp4 36.56M
3-2 模板内部结构.mp4 63.12M
资料.7z 5.98G
Tensorflow-物体检测-Faster-Rcnn解读(ID-13043)
1-1 物体检测概述.mp4 42.57M
1-2 深度学习经典检测方法.mp4 39.26M
1-3 faster-rcnn概述.mp4 31.13M
2-1 论文概述.mp4 79.82M
2-2 RPN网络结构.mp4 70.55M
2-3 损失函数定义.mp4 101.14M
2-4 网络细节.mp4 80.13M
3-1 环境配置概述.mp4 90.53M
3-2 项目配置.mp4 59.19M
3-3 数据加载.mp4 44.88M
3-4 数据变换.mp4 31.51M
3-5 完成数据读取.mp4 74.52M
3-6 特征提取VGG.mp4 35.18M
3-7 RPN层.mp4 59.20M
3-8 提取网络细节.mp4 71.97M
3-9 网络迭代训练.mp4 78.39M
资料.7z 2.74G
大数据——深度学习框架Caffe使用案例视频课程(ID-7668)
1 caffe框架视频课程01 深度学习框架caffe简介.mp4 32.85M
10 caffe框架视频课程10 生成网络配置文件.mp4 44.56M
11 caffe框架视频课程11 对训练的网络模型绘制LOSS曲线.mp4 47.18M
12 caffe框架视频课程12 对训练结果进行分类任务.mp4 87.04M
2 caffe框架视频课程02 网络配置-数据层详解.mp4 63.36M
3 caffe框架视频课程03 网络配置-各计算层详解.mp4 80.81M
4 caffe框架视频课程04 solver超参数配置文件.mp4 75.31M
5 caffe框架视频课程05 制作LMDB数据源训练分类网络.mp4 113.49M
6 caffe框架视频课程06 多label问题之HDF5数据源.mp4 84.73M
7 caffe框架视频课程07 使用命令行训练网络.mp4 56.97M
8 caffe框架视频课程08 使用python定义自己的层.mp4 87.90M
9 caffe框架视频课程09 绘制网络结构图.mp4 48.72M
资料.7z 432.80M
大数据：深度学习项目实战-关键点定位视频课程(ID-8021)
1 深度学习项目实战01 人脸关键点检测算法框架.mp4 25.39M
10 深度学习项目实战10 人脸关键点检测效果.mp4 32.41M
11 深度学习项目实战11 项目总结分析.mp4 41.11M
12 深度学习项目实战12 算法框架分析.mp4 51.15M
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.mp4 83.36M
3 深度学习项目实战03 对原始数据进行数据增强.mp4 39.98M
4 深度学习项目实战04 完成初始阶段HDF5数据源制作.mp4 63.69M
5 深度学习项目实战05 初始阶段网络训练.mp4 40.53M
6 深度学习项目实战06 第二三阶段网络数据源制作.mp4 91.81M
7 深度学习项目实战07 第二三阶段网络模型训练.mp4 45.56M
8 深度学习项目实战08 网络模型参数初始化.mp4 50.47M
9 深度学习项目实战09 完成全部测试结果.mp4 70.07M
资料.7z 582.36M
大数据深度学习项目实战视频课程-人脸检测(ID-6864)
1 人脸检测项目概述.mp4 5.32M
10 实现多尺度人脸检测算法.mp4 60.71M
11 坐标映射变换.mp4 57.14M
12 完成检测代码.mp4 37.27M
13 检测效果及改进.mp4 43.23M
14 优化策略分析.mp4 25.77M
15 模型准确率影响因素分析.mp4 24.04M
16 项目总结.mp4 37.79M
2 数据收集.mp4 42.16M
3 正负样本裁剪策略.mp4 42.65M
4 Caffe数据源准备.mp4 48.93M
5 LMDB脚本文件.mp4 29.01M
6 制作LMDB数据源.mp4 41.16M
7 网络模型配置文件(1).mp4 41.21M
7 网络模型配置文件.mp4 41.21M
8 选择合适的参数并训练网络模型.mp4 49.51M
9 检测算法框架原理.mp4 33.40M
人脸检测.docx 491.26kb
资料.7z 5.30G
人工智能-深度学习框架-Tensorflow案例实战视频课程(ID-8232)
1-1 课程简介.mp4 3.84M
1-2 Tensorflow2版本简介与心得.mp4 32.74M
1-3 Tensorflow2版本安装方法.mp4 34.47M
1-4 tf基础操作.mp4 20.11M
10-1 任务目标与数据介绍.mp4 21.49M
10-2 RNN模型输入数据维度解读.mp4 18.60M
10-3 数据映射表制作.mp4 34.69M
10-4 embedding层向量制作.mp4 38.82M
10-5 数据生成器构造.mp4 35.14M
10-6 双向RNN模型定义.mp4 19.69M
10-7 自定义网络模型架构.mp4 41.49M
10-8 训练策略指定.mp4 22.92M
10-9 训练文本分类模型.mp4 30.81M
11-1 CNN应用于文本任务原理解析.mp4 23.38M
11-2 整体流程解读.mp4 20.59M
11-3 网络架构设计与训练.mp4 40.89M
12-1 任务目标与数据源.mp4 18.44M
12-2 构建时间序列数据.mp4 26.15M
12-3 训练时间序列数据预测结果.mp4 29.79M
12-4 多特征预测结果.mp4 24.32M
12-5 序列结果预测.mp4 15.19M
13-1 BERT任务目标概述.mp4 11.28M
13-10 训练实例.mp4 23.51M
13-2 传统解决方案遇到的问题.mp4 23.32M
13-3 注意力机制的作用.mp4 15.95M
13-4 self-attention计算方法.mp4 23.89M
13-5 特征分配与softmax机制.mp4 21.35M
13-6 Multi-head的作用.mp4 20.10M
13-7 位置编码与多层堆叠.mp4 17.16M
13-8 transformer整体架构梳理.mp4 22.55M
13-9 BERT模型训练方法.mp4 20.74M
14-1 BERT开源项目简介.mp4 30.48M
14-10 构建QKV矩阵.mp4 55.59M
14-11 完成Transformer模块构建.mp4 45.84M
14-12 训练BERT模型.mp4 45.87M
14-2 项目参数配置.mp4 53.10M
14-3 数据读取模块.mp4 40.40M
14-4 数据预处理模块.mp4 43.13M
14-5 tfrecord制作.mp4 53.83M
14-6 Embedding层的作用.mp4 33.81M
14-7 加入额外编码特征.mp4 44.61M
14-8 加入位置编码特征.mp4 24.95M
14-9 mask机制.mp4 43.04M
15-1 对抗生成网络通俗解释.mp4 21.20M
15-2 GAN网络组成.mp4 11.31M
15-3 DCGAN网络架构与流程解读.mp4 16.84M
15-4 网络架构设计.mp4 29.14M
15-5 损失函数定义与训练.mp4 39.30M
16-1 CycleGan网络所需数据.mp4 29.60M
16-10 判别网络模块构造.mp4 20.60M
16-11 损失函数：identity loss计算方法.mp4 39.50M
16-12 生成与判别损失函数指定.mp4 53.89M
16-13 额外补充：VISDOM可视化配置.mp4 25.88M
16-2 CycleGan整体网络架构.mp4 21.20M
16-3 PatchGan判别网络原理.mp4 10.98M
16-4 数据与环境配置.mp4 25.73M
16-5 生成与判别器损失函数定义.mp4 40.56M
16-6 整体损失模块解读.mp4 66.63M
16-7 Cycle开源项目简介.mp4 30.04M
16-8 数据读取与预处理操作.mp4 47.99M
16-9 生成网络模块构造.mp4 50.15M
17-1 额外补充-Resnet论文解读.mp4 54.32M
17-2 额外补充-Resnet网络架构解读.mp4 18.56M
17-3 项目结构概述.mp4 16.47M
17-4 数据集处理方法.mp4 25.02M
17-5 训练数据构建.mp4 28.75M
17-6 网络架构层次解读.mp4 32.16M
17-7 前向传播配置.mp4 32.33M
17-8 训练resnet模型.mp4 31.20M
18-1 Tensorflow简介与安装.mp4 72.63M
18-2 Tensorflow中的变量.mp4 29.99M
18-3 变量常用操作.mp4 58.10M
18-4 实现线性回归算法.mp4 63.34M
18-5 Mnist数据集简介.mp4 56.89M
18-6 逻辑回归算法.mp4 62.86M
19-1 神经网络结构.mp4 68.83M
19-2 卷积网络结构基本定义.mp4 43.47M
19-3 卷积神经网络迭代.mp4 46.76M
19-4 Cifar-10图像分类任务.mp4 52.87M
2-1 深度学习要解决的问题.mp4 20.99M
2-10 神经网络架构细节.mp4 43.70M
2-11 神经元个数对结果的影响.mp4 41.92M
2-12 正则化与激活函数.mp4 26.73M
2-13 神经网络过拟合解决方法.mp4 36.73M
2-2 深度学习应用领域.mp4 59.04M
2-3 计算机视觉任务.mp4 19.50M
2-4 视觉任务中遇到的问题.mp4 37.09M
2-5 得分函数.mp4 19.12M
2-6 损失函数的作用.mp4 32.62M
2-7 前向传播整体流程.mp4 38.49M
2-8 返向传播计算方法.mp4 24.87M
2-9 神经网络整体架构.mp4 31.47M
20-1 卷积神经网络实战：猫狗识别.mp4 62.81M
20-2 数据读取.mp4 56.97M
20-3 网络架构.mp4 88.35M
20-4 网络迭代训练.mp4 77.49M
20-5 测试效果.mp4 38.41M
21-1 RNN网络基本架构.mp4 30.61M
21-2 实现RNN网络架构.mp4 43.52M
21-3 RNN实现自己的小demo.mp4 66.00M
21-4 RNN预测时间序列.mp4 88.26M
22-1 环境配置.mp4 51.60M
22-2 数据读取.mp4 55.15M
22-3 网络结构定义.mp4 49.91M
22-4 加载训练好参数.mp4 54.39M
23-1 Tensorboard可视化展示.mp4 55.22M
23-2 展示效果.mp4 68.59M
23-3 统计可视化展示.mp4 49.50M
23-4 参数对结果的影响.mp4 79.50M
24-1 生成自己的数据集.mp4 56.80M
24-2 读取数据.mp4 57.80M
24-3 生成数据源.mp4 82.12M
24-4 加载tfrecord进行分类任务.mp4 114.72M
25-1 CNN文本分类任务概述.mp4 50.32M
25-2 文本分类任务特征定义.mp4 69.12M
25-3 卷积网络定义.mp4 24.54M
25-4 完成预测分类任务.mp4 70.52M
26-1 Resnet网络原理.mp4 58.30M
26-2 网络流程设计.mp4 51.54M
26-3 残差网络细节.mp4 77.40M
27-1 Tensorflow案例实战视频课程19 验证码数据生成.mp4 49.22M
27-2 Tensorflow案例实战视频课程20 构造网络的输入数据和标签.mp4 50.64M
27-3 Tensorflow案例实战视频课程21 卷积网络模型定义.mp4 54.25M
27-4 Tensorflow案例实战视频课程22 迭代及测试网络效果.mp4 50.21M
3-1 任务目标与数据集简介.mp4 25.97M
3-2 建模流程与API文档.mp4 25.28M
3-3 网络模型训练.mp4 29.95M
3-4 模型超参数调节与预测结果展示.mp4 42.57M
3-5 分类模型构建.mp4 40.33M
3-6 tf.data模块解读.mp4 29.19M
3-7 模型保存与读取实例.mp4 47.86M
4-1 卷积网络应用领域.mp4 26.64M
4-10 VGG网络架构.mp4 20.55M
4-11 残差网络Resnet.mp4 18.38M
4-12 感受野的作用.mp4 16.77M
4-2 卷积的作用.mp4 23.60M
4-3 卷积特征值计算方法.mp4 22.68M
4-4 得到特征图表示.mp4 18.47M
4-5 步长与卷积核大小对结果的影响.mp4 20.39M
4-6 边缘填充方法.mp4 17.93M
4-7 特征图尺寸计算与参数共享.mp4 22.04M
4-8 池化层的作用.mp4 11.33M
4-9 整体网络架构.mp4 17.99M
5-1 猫狗识别任务与数据简介.mp4 18.22M
5-2 卷积网络涉及参数解读.mp4 25.91M
5-3 网络架构配置.mp4 28.13M
5-4 卷积模型训练与识别效果展示.mp4 42.36M
6-1 数据增强概述.mp4 39.30M
6-2 图像数据变换.mp4 66.27M
6-3 猫狗识别任务数据增强实例.mp4 20.99M
7-1 迁移学习的目标.mp4 13.29M
7-2 迁移学习策略.mp4 16.08M
7-3 Resnet原理.mp4 60.19M
7-4 加载训练好的经典网络模型.mp4 34.20M
7-5 Callback模块与迁移学习实例.mp4 39.86M
7-6 tfrecords数据源制作方法.mp4 34.13M
7-7 图像数据处理实例.mp4 35.44M
8-1 RNN网络架构解读.mp4 22.98M
8-2 词向量模型通俗解释.mp4 21.22M
8-3 模型整体框架.mp4 27.36M
8-4 训练数据构建.mp4 15.78M
8-5 CBOW与Skip-gram模型.mp4 22.57M
8-6 负采样方案.mp4 23.13M
9-1 任务流程解读.mp4 17.70M
9-2 模型定义参数设置.mp4 16.81M
9-3 文本词预处理操作.mp4 16.19M
9-4 训练batch数据制作.mp4 43.05M
9-5 损失函数定义与训练结果展示.mp4 29.75M
资料.7z 5.43G
深度学习-Keras-项目实战(ID-16532)
1-1 Keras项目实战课程概述.mp4 6.32M
1-2 简介与安装.mp4 14.92M
10-1 数据与目标.mp4 29.29M
10-2 字符表制作.mp4 28.07M
10-3 数据读取.mp4 19.87M
10-4 数据增强.mp4 45.69M
10-5 网络模型.mp4 21.20M
10-6 测试效果.mp4 40.46M
11-1 网络模型解读.mp4 27.08M
11-2 数据介绍与读取.mp4 33.77M
11-3 配置文件制作.mp4 26.36M
11-4 编码器模型.mp4 28.09M
11-5 解码器模型.mp4 19.04M
11-6 制作训练batch数据.mp4 62.52M
11-7 测试数据准备.mp4 40.31M
11-8 完成测试模块.mp4 34.20M
12-1 模板目录结构.mp4 19.57M
12-2 模型与训练结构.mp4 24.83M
12-3 评论数据集与任务目标.mp4 10.82M
12-4 数据准备.mp4 41.39M
12-5 模型整体架构.mp4 26.07M
12-6 准备模型.mp4 52.33M
12-7 训练网络.mp4 22.92M
12-8 多标签训练.mp4 21.17M
2-1 训练自己的数据集整体流程.mp4 39.14M
2-2 数据加载与预处理.mp4 34.10M
2-3 搭建网络模型.mp4 47.57M
2-4 学习率对结果的影响.mp4 39.20M
2-5 Drop-out操作.mp4 31.52M
2-6 权重初始化方法对比.mp4 39.46M
2-7 初始化标准差对结果的影响.mp4 14.98M
2-8 正则化对结果的影响.mp4 64.60M
2-9 加载模型进行测试.mp4 47.73M
3-1 卷积层构造.mp4 37.40M
3-2 整体流程.mp4 41.99M
3-3 BatchNormalization效果.mp4 43.79M
3-4 参数对比.mp4 49.79M
3-5 网络测试效果.mp4 18.48M
4-1 时间序列模型.mp4 28.26M
4-2 网络结构与参数定义.mp4 23.88M
4-3 构建LSTM模型.mp4 29.45M
4-4 训练模型与效果展示.mp4 43.98M
4-5 多序列预测结果.mp4 48.80M
4-6 股票数据预测.mp4 27.45M
4-7 数据预处理.mp4 35.40M
4-8 预测结果展示.mp4 20.49M
5-1 文本数据读取预处理.mp4 31.45M
5-2 基本模型.mp4 37.99M
5-3 3-Embeeding-layer效果.mp4 42.30M
5-4 准备词向量数据.mp4 31.47M
5-5 词嵌入训练结果.mp4 29.89M
5-6 加入LSTM层效果.mp4 20.63M
5-7 加入卷积层效果.mp4 14.31M
5-8 参数调优.mp4 49.67M
6-1 多标签解决方案.mp4 47.49M
6-2 多标签网络训练与测试.mp4 55.47M
6-3 多输出网络解决方案.mp4 45.70M
6-4 多输出网络训练与测试.mp4 61.36M
7-1 DIY你的数据集.mp4 69.15M
7-2 数据增强概述.mp4 39.30M
7-3 图像数据变换.mp4 66.27M
7-4 数据增强效果.mp4 31.25M
8-1 对抗生成网络通俗解释.mp4 21.20M
8-2 GAN网络组成.mp4 11.31M
8-3 判别网络设计.mp4 54.36M
8-4 生成网络定义.mp4 43.08M
8-5 标签制作.mp4 44.89M
8-6 训练与测试网络模型.mp4 48.20M
8-7 DCGAN网络.mp4 57.19M
9-1 迁移学习的目标.mp4 13.29M
9-2 迁移学习策略.mp4 16.08M
9-3 Resnet原理.mp4 60.19M
9-4 Resnet网络细节.mp4 38.11M
9-5 Resnet基本处理操作.mp4 25.70M
9-6 shortcut模块.mp4 37.39M
9-7 加载训练好的权重.mp4 31.69M
9-8 迁移学习效果对比.mp4 42.61M
资料.7z 2.09G
第一阶段：Python工具包实战与机视觉必备基础
Python入门与数据科学库(ID-11978)
1-1 Python环境配置.mp4 66.10M
1-10 字典核心操作.mp4 41.79M
1-11 Set结构.mp4 39.45M
1-12 赋值机制.mp4 9.89M
1-13 判断结构.mp4 21.61M
1-14 循环结构.mp4 38.36M
1-15 函数定义.mp4 45.82M
1-16 模块与包.mp4 49.01M
1-17 异常处理模块.mp4 77.97M
1-18 文件操作.mp4 73.69M
1-19 类的基本定义.mp4 48.16M
1-2 Python库安装工具.mp4 44.81M
1-20 类的属性操作.mp4 57.99M
1-21 时间操作.mp4 25.53M
1-22 Python练习题-1.mp4 54.05M
1-23 Python练习题-2.mp4 78.00M
1-24 Python练习题-3.mp4 47.19M
1-25 Python练习题-4.mp4 50.56M
1-3 Notebook工具.mp4 97.38M
1-4 Python简介.mp4 64.46M
1-5 Python数值运算.mp4 52.30M
1-6 Python字符串操作.mp4 47.17M
1-7 List基础结构.mp4 42.38M
1-8 List核心操作.mp4 46.58M
1-9 字典基础定义.mp4 27.71M
2-1 Numpy概述.mp4 36.92M
2-10 四则运算.mp4 34.20M
2-11 随机模块.mp4 61.26M
2-12 文件读写.mp4 40.59M
2-13 数组保存.mp4 53.11M
2-14 练习题-1.mp4 56.40M
2-15 练习题-2.mp4 58.24M
2-16 练习题-3.mp4 77.56M
2-2 Array数组.mp4 37.29M
2-3 数组结构.mp4 75.58M
2-4 数组类型.mp4 27.65M
2-5 数值运算.mp4 54.87M
2-6 排序操作.mp4 46.02M
2-7 数组形状操作.mp4 69.35M
2-8 数组生成函数.mp4 52.65M
2-9 常用生成函数.mp4 32.62M
3-1 Pandas概述.mp4 56.76M
3-10 数据透视表.mp4 60.64M
3-11 时间操作.mp4 46.49M
3-12 时间序列操作.mp4 55.90M
3-13 常用操作.mp4 55.01M
3-14 常用操作2.mp4 55.26M
3-15 Groupby操作延伸.mp4 91.49M
3-16 字符串操作.mp4 31.73M
3-17 索引进阶.mp4 42.27M
3-18 pandas绘图.mp4 67.35M
3-19 大数据处理技巧.mp4 128.48M
3-2 Pandas基本操作.mp4 67.56M
3-3 Pandas索引.mp4 61.53M
3-4 groupby操作.mp4 45.21M
3-5 数值运算.mp4 52.71M
3-6 对象基本操作.mp4 46.78M
3-7 对象操作细节.mp4 47.03M
3-8 merge操作.mp4 53.32M
3-9 显示设置.mp4 33.81M
4-1 Matplot概述.mp4 46.92M
4-10 绘图细节设置2.mp4 55.15M
4-11 直方图与散点图.mp4 71.65M
4-12 3D图绘制.mp4 82.74M
4-13 pie图.mp4 63.07M
4-14 子图布局.mp4 64.96M
4-15 结合pandas与sklearn.mp4 60.62M
4-2 子图与标注.mp4 94.31M
4-3 风格设置.mp4 20.22M
4-4 条形图.mp4 50.21M
4-5 条形图细节.mp4 50.85M
4-6 条形外观.mp4 54.78M
4-7 盒图绘制.mp4 35.97M
4-8 盒图细节.mp4 61.55M
4-9 绘图细节设置.mp4 56.32M
5-1 简介.mp4 8.95M
5-10 Facetgrid使用方法.mp4 33.39M
5-11 绘制多变量.mp4 34.45M
5-12 热度图绘制.mp4 55.47M
5-2 整体布局风格设置.mp4 31.64M
5-3 风格细节设置.mp4 27.88M
5-4 调色板.mp4 36.81M
5-5 调色板颜色设置.mp4 31.98M
5-6 单变量分析绘图.mp4 44.35M
5-7 回归分析绘图.mp4 41.15M
5-8 多变量分析绘图.mp4 45.91M
5-9 分类属性绘图.mp4 43.62M
资料.7z 33.27M
计算机视觉-Opencv项目实战(Python版)(ID-16729)
全部数据代码下载
1-1 课程简介.mp4 5.05M
1-2 Python与Opencv的配置.mp4 33.48M
1-3 Notebook与IDE环境配置.mp4 54.39M
10-1 整体流程演示.mp4 21.13M
10-2 文档轮廓提取.mp4 25.84M
10-3 坐标变换计算.mp4 25.33M
10-4 透视变换结果.mp4 30.51M
10-5 tesseract-ocr安装配置.mp4 26.83M
10-6 文档扫描识别结果.mp4 22.81M
11-1 角点检测基本原理.mp4 16.48M
11-2 基本数学原理.mp4 28.00M
11-3 求解化简.mp4 28.74M
11-4 特征归属划分.mp4 34.83M
11-5 opencv角点检测.mp4 21.34M
12-1 尺度空间定义.mp4 19.82M
12-2 高斯差分金字塔.mp4 21.17M
12-3 特征关键点定位.mp4 43.82M
12-4 生成特征描述.mp4 20.93M
12-5 特征向量生成.mp4 32.64M
12-6 opencv中的sift函数.mp4 25.25M
13-1 特征匹配方法.mp4 26.96M
13-2 RANSAC算法.mp4 29.81M
13-3 图像拼接方法.mp4 37.25M
13-4 流程解读.mp4 19.51M
14-1 任务整体流程.mp4 47.80M
14-2 所需数据介绍.mp4 26.91M
14-3 图像数据预处理.mp4 44.10M
14-4 车位直线检测.mp4 55.12M
14-5 按列划分区域.mp4 51.81M
14-6 车位区域划分.mp4 50.13M
14-7 识别模型构建.mp4 32.79M
14-8 基于视频的车位检测.mp4 53.05M
15-1 整体流程与效果概述.mp4 25.81M
15-2 预处理操作.mp4 23.38M
15-3 填涂轮廓检测.mp4 24.44M
15-4 选项判断识别.mp4 47.98M
16-1 背景消除-帧差法.mp4 20.92M
16-2 混合高斯模型.mp4 23.97M
16-3 学习步骤.mp4 26.69M
16-4 背景建模实战.mp4 31.92M
17-1 基本概念.mp4 20.88M
17-2 Lucas-Kanade算法.mp4 17.53M
17-3 推导求解.mp4 22.36M
17-4 光流估计实战.mp4 48.67M
18-1 DNN模块.mp4 29.40M
18-2 模型加载与输出结果.mp4 38.13M
19-1 目标追踪概述.mp4 51.49M
19-2 多目标追踪实战.mp4 27.66M
19-3 深度学习检测框架加载.mp4 39.33M
19-4 基于dlib和ssd的追踪.mp4 47.37M
19-5 多进程目标追踪.mp4 23.35M
19-6 效率提升对比.mp4 39.31M
2-1 计算机眼中的图像.mp4 28.15M
2-2 视频的读取与处理.mp4 36.38M
2-3 ROI区域.mp4 13.46M
2-4 边界填充.mp4 21.27M
2-5 数值计算.mp4 32.31M
20-1 卷积网络的应用.mp4 45.12M
20-2 卷积层解释.mp4 22.55M
20-3 卷积计算过程.mp4 30.22M
20-4 padding与stride.mp4 26.91M
20-5 卷积参数共享.mp4 18.82M
20-6 池化层原理.mp4 17.30M
20-7 卷积效果演示.mp4 22.70M
20-8 卷积操作流程.mp4 34.07M
21-1 关键点定位概述.mp4 25.71M
21-2 获取人脸关键点.mp4 29.77M
21-3 定位效果演示.mp4 37.60M
21-4 闭眼检测.mp4 33.52M
21-5 检测效果.mp4 36.36M
3-1 图像阈值.mp4 29.99M
3-2 图像平滑处理.mp4 22.99M
3-3 高斯与中值滤波.mp4 18.79M
4-1 腐蚀操作.mp4 18.53M
4-2 膨胀操作.mp4 9.69M
4-3 开运算与闭运算.mp4 8.01M
4-4 梯度计算.mp4 7.05M
4-5 礼帽与黑帽.mp4 11.04M
5-1 Sobel算子.mp4 25.60M
5-2 梯度计算方法.mp4 25.49M
5-3 scharr与Laplace算子.mp4 22.23M
6-1 Canny边缘检测流程.mp4 17.11M
6-2 非极大值抑制.mp4 15.95M
6-3 边缘检测效果.mp4 26.73M
7-1 图像金字塔定义.mp4 18.65M
7-2 金字塔制作方法.mp4 22.14M
7-3 轮廓检测方法.mp4 17.09M
7-4 轮廓检测结果.mp4 26.46M
7-5 轮廓特征与近似.mp4 34.26M
7-6 模板匹配方法.mp4 39.45M
7-7 匹配效果展示.mp4 18.34M
8-1 直方图定义.mp4 22.47M
8-2 均衡化原理.mp4 29.71M
8-3 均衡化效果.mp4 24.29M
8-4 傅里叶概述.mp4 25.71M
8-5 频域变换结果.mp4 25.95M
8-6 低通与高通滤波.mp4 24.15M
9-1 总体流程与方法讲解.mp4 20.98M
9-2 环境配置与预处理.mp4 29.00M
9-3 模板处理方法.mp4 22.82M
9-4 输入数据处理方法.mp4 28.89M
9-5 模板匹配得出识别结果.mp4 40.03M
资料.7z 542.54M
评论0