资源简介
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。
资源目录
——/计算机教程/17-51CTO/057-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
加油加油