51CTO-微职位深度学习原理与框架

第01章 深度学习概述与计算机视觉挑战

1-1 深度学习概述.mp4 22.73M

1-2 挑战与常规套路.mp4 18.12M

1-3 用k近邻来进行分类.mp4 17.04M

1-4 超参数与交叉验证.mp4 17.97M

第02章 深度学习必备基础知识点

2-1 得分函数.mp4 12.64M

2-2 损失函数.mp4 14.96M

2-3 正则化惩罚项.mp4 11.26M

2-4 softmax分类器.mp4 22.96M

2-5 最优化解释.mp4 9.76M

2-6 最优化细节问题.mp4 17.63M

2-7 反向传播.mp4 23.83M

第03章 神经网络整体架构

3-1 整体架构.mp4 13.80M

3-2 实例演示.mp4 37.34M

3-3 过拟合解决方案.mp4 22.78M

第04章 Cifar图像分类任务

4-1 神经网络案例-cifar分类任务.mp4 36.78M

4-2 神经网络案例-分模块构造神经网络.mp4 33.12M

4-3 神经网络案例-训练神经网络完成分类任务.mp4 35.69M

4-4 感受神经网络的强大.mp4 27.42M

第05章 自然语言处理wrod2vec模型

5-1 简介.mp4 6.23M

5-10 梯度上升求解.mp4 9.34M

5-11 负采样模型.mp4 5.60M

5-2 自然语言处理与深度学习.mp4 16.46M

5-3 语言模型.mp4 4.76M

5-4 N-gram模型.mp4 10.91M

5-5 词向量.mp4 9.50M

5-6 神经网络模型.mp4 10.90M

5-7 Hierarchical Softmax.mp4 8.62M

5-8 CBOW模型实例.mp4 13.12M

5-9 CBOW求解目标.mp4 6.36M

第06章 Gensim中文词向量建模

6-1 使用Gensim库构造词向量.mp4 15.64M

6-2 维基百科中文数据处理.mp4 34.56M

6-3 Gensim构造wrod2vec模型.mp4 18.78M

6-4 测试模型相似度结果.mp4 18.42M

第07章 使用wrod2vec进行分类任务

7-1 影评情感分类.mp4 47.71M

7-2 基于词袋模型训练分类器.mp4 26.42M

7-3 准备wrod2vec输入数据.mp4 23.98M

7-4 使用gensim构建词向量.mp4 43.16M

第08章 卷积神经网络基本原理

8-1 卷积神经网络的应用.mp4 30.09M

8-2 卷积层详解.mp4 17.30M

8-3 卷积计算过程.mp4 22.02M

8-4 卷积涉及参数.mp4 20.68M

8-5 卷积参数共享.mp4 13.03M

8-6 池化层原理.mp4 14.99M

第09章 案例实战卷积神经网络

9-1 卷积的反向传播.mp4 25.45M

9-2 卷积网络代码.mp4 17.17M

9-3 卷积网络代码2.mp4 24.35M

第10章 卷积网络细节

10-1 数据增强策略.mp4 19.01M

10-2 迁移学习.mp4 14.37M

10-3 网络设计技巧.mp4 27.19M

10-4 经典网络架构.mp4 21.17M

10-5 分类与回归任务.mp4 32.65M

10-6 三代物体检测算法.mp4 35.23M

第11章 RNN网络架构

11-1 RNN网络概述.mp4 12.98M

11-2 RNN网络细节.mp4 10.50M

11-3 LSTM网络架构.mp4 17.49M

第12章 Tensorflow基本操作

12-1 Tensorflow简介与安装.mp4 38.54M

12-2 Tensorflow中的变量.mp4 12.54M

12-3 变量常用操作.mp4 20.82M

12-4 实现线性回归算法.mp4 29.07M

12-5 Mnist数据集简介.mp4 23.53M

12-6 逻辑回归算法.mp4 29.43M

第13章 Tensorflow卷积神经网络

13-1 神经网络结构.mp4 36.42M

13-2 卷积神经网络结构基本定义.mp4 31.51M

13-3 卷积神经网络迭代.mp4 26.93M

13-4 Cifar-10图像分类任务.mp4 38.80M

第14章 Tensorflow实战：猫狗识别

14-1 猫狗识别任务概述.mp4 33.46M

14-2 数据读取.mp4 26.81M

14-3 网络架构.mp4 46.05M

14-4 网络迭代训练.mp4 48.06M

14-5 预测效果.mp4 25.14M

第15章 Tensorflow递归神经网络实战

15-1 RNN网络基本架构.mp4 20.98M

15-2 实现RNN网络架构.mp4 31.26M

15-3 RNN实现自己的小DEMO.mp4 27.94M

15-4 RNN预测时间序列.mp4 36.31M

第16章 致敬经典：Alexnet网络实战

16-1 环境配置.mp4 24.75M

16-2 数据读取与参数设置.mp4 21.67M

16-3 网络结构定义.mp4 18.79M

16-4 加载训练好的参数.mp4 23.43M

第17章 Tensorboard可视化展示

17-1 可视化展示.mp4 19.80M

17-2 展示效果.mp4 30.13M

17-3 统计可视化.mp4 24.49M

17-4 参数对结果的影响.mp4 37.39M

第18章 tfrecord制作数据源

18-1 生成自己的数据集.mp4 23.89M

18-2 读取数据.mp4 30.09M

18-3 生成数据源.mp4 42.24M

18-4 加载数据进行分类任务.mp4 54.48M

第19章 CNN应用于文本分类任务

19-1 任务概述.mp4 20.73M

19-2 特征定义.mp4 25.11M

19-3 卷积网络定义.mp4 10.67M

19-4 完成预测分类任务.mp4 29.78M

第20章 tensorflow实战-验证码识别

20-1 验证码数据生成.mp4 19.55M

20-2 构造网络输入数据和标签.mp4 21.71M

20-3 卷积网络模型定义.mp4 29.68M

20-4 迭代测试网络效果.mp4 24.84M

第21章 Resnet残差网络

21-1 resnet网络原理.mp4 57.93M

21-2 网络流程设计.mp4 30.56M

21-3 实现细节.mp4 50.48M

第22章 图像补全

22-1 论文概述.mp4 50.50M

22-2 网络架构.mp4 20.87M

22-3 细节设计.mp4 45.00M

22-4 论文总结.mp4 68.99M

22-5 数据与项目概述.mp4 21.63M

22-6 参数基本设计.mp4 27.78M

22-7 网络结构配置.mp4 28.27M

22-8 网络迭代训练.mp4 39.67M

22-9 测试模块.mp4 17.86M

第23章 图像超分辨率重构

23-1 论文概述.mp4 27.25M

23-2 网络架构.mp4 43.67M

23-3 数据与环境配置.mp4 14.11M

23-4 数据加载.mp4 17.53M

23-5 生成模块.mp4 21.70M

23-6 判别模块.mp4 21.32M

23-7 VGG特征提取.mp4 16.98M

23-8 损失函数与训练.mp4 39.39M

23-9 测试结果.mp4 36.19M

第24章 实现word2vec

24-1 数据与任务流程.mp4 25.20M

24-2 数据清洗.mp4 13.95M

24-3 batch数据制作.mp4 29.65M

24-4 网络训练.mp4 24.96M

24-5 可视化展示.mp4 20.27M

第25章 LSTM行为识别

25-1 任务概述.mp4 17.20M

25-2 数据与网络设计.mp4 28.99M

25-3 网络迭代训练.mp4 22.94M

第26章 文本相似度判别

26-1 任务概述.mp4 8.96M

26-2 数据展示.mp4 12.93M

26-3 正负样本制作.mp4 17.28M

26-4 数据预处理.mp4 18.68M

26-5 网络模型定义.mp4 28.23M

26-6 基于字符的训练.mp4 26.20M

26-7 基于句子的相似度训练.mp4 17.50M

第27章 对话机器人

27-1 效果演示.mp4 14.20M

27-2 参数配置与数据加载.mp4 22.67M

27-3 数据处理.mp4 18.74M

27-4 词向量与投影.mp4 19.63M

27-5 seq网络.mp4 14.54M

27-6 网络训练.mp4 17.29M

第28章 深度学习-Caffe框架基础

28-1 Caffe简介.mp4 16.65M

28-2 网络配置文件-数据层.mp4 29.95M

28-3 网络配置文件-计算层.mp4 40.37M

28-4 超参数文件.mp4 37.14M

第29章 Caffe制作数据源

29-1 制作LMDB数据源.mp4 57.56M

29-2 多label之hdf5数据源.mp4 40.03M

第30章 Caffe常用技巧

30-1 使用命令行训练网络.mp4 29.37M

30-2 使用python定义自己的层.mp4 41.66M

30-3 绘制网络结构图.mp4 21.63M

30-4 生成网络配置文件.mp4 19.61M

30-5 绘制loss曲线.mp4 26.04M

30-6 对训练结果进行分类任务.mp4 50.24M

第31章 Tensorflow基本原理（旧版，新学员请跳过）

31-1 简介.mp4 1.13M

31-2 tensorflow安装.mp4 13.89M

31-3 基本计算单元.mp4 15.05M

31-4 常用基本操作.mp4 26.08M

31-5 构造线性回归模型.mp4 26.21M

31-6 Mnist数据集简介.mp4 17.27M

31-7 逻辑回归框架.mp4 21.84M

31-8 迭代完成逻辑回归.mp4 31.89M

第32章 Tensorflow-神经网络模型（旧版，新学员请跳过）

32-1 神经网络模型架构.mp4 13.00M

32-2 训练神经网络.mp4 24.39M

32-3 卷积神经网络模型架构.mp4 19.18M

32-4 卷积神经网络模型参数.mp4 43.60M

32-5 模型的保存和读取.mp4 40.35M

32-6 使用RNN处理mnist数据集.mp4 20.52M

32-7 RNN网络模型.mp4 26.25M

32-8 训练RNN网络.mp4 33.32M