〖课程简介〗
适合人群:
熟悉机器学习与Python的同学们
课程目标:
学习深度学习原理与框架使用方法
概述:
现阶段,计算机视觉,自然语言处理与语音识别发展迅速,巨头公司都在争相发展AI科技,其中最为核心的技术支撑就是深度学习了,深度学习系列内容从神经网络基础模块开始一步步延伸至卷积神经网络与递归神经网络,基于深度学习两大核心框架Tensorflow与Caffe进行项目实战。
〖课程目录〗
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
评论0