资源简介

先机致胜，破冰AI！深度学习模型、框架与实战！

 课程特色：

零基础入门。包含必备基础知识点，起步不再困扰；

通俗易懂。神经网络模型，理论与案例、实操结合，学以致用，生动翔实；

热点尽揽。当下深度学习最火两大框架caffe与tensorflow使用方法，实战演示；

实战致胜。四大项目实战（关键点定位，验证码识别，对抗生成网络、人脸检测），印象深刻，战力飙升；

讲师介绍：

唐宇迪

深度学习领域多年一线实践研究专家，同济大学硕士。主要研究深度学习领域，计算机视觉，图像识别。精通机器学习，热爱各种开源技术尤其人工智能方向。在图像识别领域有着丰富经验，实现过包括人脸识别，物体识别，关键点检测等多种应用的最新算法。乐于钻研，解开每一个问题，把复杂的问题简单表达呈现，能帮助更多的同学入门深度学习领域。

资源目录

——/计算机教程/09-其他/261-天善智能-于人工智能与深度学习的项目实战/
├──课时01：神经网络-1-深度学习概述.mkv  53.48M
├──课时02：神经网络-2-挑战与常规套路.mkv  41.26M
├──课时03：神经网络-3-用K近邻来进行分类.mkv  40.34M
├──课时04：神经网络-4-超参数与交叉验证.mkv  43.25M
├──课时05：神经网络-5-线性分类.mkv  30.28M
├──课时06：神经网络-6-损失函数.mkv  37.73M
├──课时07：神经网络-7-正则化惩罚项.mkv  30.63M
├──课时08：神经网络-8-softmax分类器.mkv  55.98M
├──课时09：神经网络-9-最优化形象解读.mkv  22.00M
├──课时100：案例实战对抗生成网络：构造判别网络模型.mkv  41.29M
├──课时101：案例实战对抗生成网络：构造生成网络模型.mkv  36.31M
├──课时102：案例实战对抗生成网络：构造损失函数.mkv  28.63M
├──课时103：案例实战对抗生成网络：训练对抗生成网络.mkv  45.58M
├──课时104：DCGAN基本原理.mkv  38.46M
├──课时105：DCGAN的网络模型架构.mkv  13.18M
├──课时106：DCGAN项目实战：DIY你要生成的数据.mkv  27.04M
├──课时107：DCGAN项目实战：配置参数.mkv  39.07M
├──课时108：DCGAN项目实战：基于卷积的生成网络架构.mkv  39.30M
├──课时109：DCGAN项目实战：基于卷积的判别网络.mkv  38.19M
├──课时10：神经网络-10-最优化问题细节.mkv  43.04M
├──课时110：DCGAN项目实战：训练DCGAN网络.mkv  35.39M
├──课时11：神经网络-11-反向传播.mkv  59.23M
├──课时12：神经网络架构-1-整体架构.mkv  32.11M
├──课时13：神经网络架构-2-实例演示.mkv  61.33M
├──课时14：神经网络架构-3-过拟合解决方案.mkv  51.96M
├──课时15：章节3： 神经网络案例实战.mkv  64.83M
├──课时16：神经网络案例-分模块构造神经网络.mkv  56.40M
├──课时17：神经网络案例-训练神经网络完成分类任务.mkv  67.20M
├──课时18：神经网络架构-4-感受神经网络的强大.mkv  52.49M
├──课时19：1-卷积神经网络的应用.mkv  65.00M
├──课时20：2-卷积层解释.mkv  37.19M
├──课时21：3-卷积计算过程 .mkv  56.41M
├──课时22：4-pading与stride.mkv  44.87M
├──课时23：5-卷积参数共享.mkv  36.36M
├──课时24：6-池化层原理.mkv  33.00M
├──课时25：卷积池化反向传播.mkv  65.12M
├──课时26：卷积网络代码1.mkv  40.63M
├──课时27：卷积网络代码2.mkv  53.59M
├──课时28：1-经典网络架构.mkv  129.30M
├──课时29：2-分类与回归任务.mkv  102.89M
├──课时30：三代物体检测.mkv  61.22M
├──课时31：数据增强策略.mkv  36.61M
├──课时32：TransferLearning.mkv  42.01M
├──课时33：巧妙设计神经网络.mkv  56.27M
├──课时34：1-CAFFE简介.mkv  33.89M
├──课时34：2-网络配置文件-数据层.mkv  69.13M
├──课时35：网络配置文件-数据层.mkv  49.47M
├──课时36：-网络配置文件-计算层.mkv  86.31M
├──课时37：4-超参数solver文件.mkv  77.82M
├──课时38：制作LMDB数据源.mkv  95.61M
├──课时39：多label问题之HDF5数据源.mkv  64.43M
├──课时40：使用命令行训练网络.mkv  52.96M
├──课时41：使用python定义自己的层.mkv  75.73M
├──课时42：绘制网络结构图.mkv  34.00M
├──课时43：生成网络配置文件.mkv  30.57M
├──课时44：对训练的网络模型绘制LOSS曲线.mkv  52.29M
├──课时45：对训练结果进行分类任务.mkv  95.51M
├──课时46：人脸检测项目概述.mkv  4.94M
├──课时47：数据获取.mkv  39.98M
├──课时48：正负样本数据裁剪.mkv  43.51M
├──课时49：TXT数据制作.mkv  40.55M
├──课时50：LMDB脚本文件.mkv  23.02M
├──课时51：制作LMDB数据源.mkv  27.79M
├──课时52：网络配置文件.mkv  32.92M
├──课时53：超参数和训练网络.mkv  38.93M
├──课时54：检测框架.mkv  38.49M
├──课时55：scale变换和预处理.mkv  53.21M
├──课时56：坐标变换.mkv  40.58M
├──课时57：NMS完成代码.mkv  27.30M
├──课时58：测试效果及改进.mkv  30.43M
├──课时59：矫正过程.mkv  26.81M
├──课时60：如何提高精度.mkv  20.53M
├──课时61：项目总结.mkv  34.42M
├──课时62：脸关键点检测算法框架.mkv  25.60M
├──课时63：多标签数据源制作以及标签坐标转换.mkv  111.03M
├──课时64：对原始数据进行数据增强.mkv  42.34M
├──课时65：完成第一阶段HDF5数据源制作.mkv  67.16M
├──课时66：第一阶段网络训练.mkv  31.18M
├──课时67：第二三阶段网络数据源制作.mkv  82.61M
├──课时68：第二三阶段网络模型训练.mkv  36.72M
├──课时69：网络模型参数初始化.mkv  60.04M
├──课时70：完成全部测试结果.mkv  70.39M
├──课时71：人脸关键点检测效果.mkv  31.17M
├──课时72：项目总结分析.mkv  36.88M
├──课时73：算法框架分析.mkv  45.25M
├──课时74：Tensorflow简介.mkv  1.40M
├──课时75：Tensorflow安装.mkv  21.84M
├──课时76：基本计算单元-变量.mkv  26.57M
├──课时77：常用基本操作.mkv  42.66M
├──课时78：构造线性回归模型.mkv  45.62M
├──课时79：Mnist数据集简介.mkv  29.37M
├──课时80：逻辑回归框架.mkv  38.39M
├──课时81：迭代完成逻辑回归模型.mkv  55.00M
├──课时82：神经网络模型架构.mkv  22.66M
├──课时83：训练神经网络.mkv  40.55M
├──课时84：卷积神经网络模型架构.mkv  33.61M
├──课时85：卷积神经网络模型参数.mkv  72.91M
├──课时86：模型的保存和读取.mkv  63.95M
├──课时87：加载训练好的VGG网络模型.mkv  40.17M
├──课时88：使用VGG模型进行测试.mkv  43.88M
├──课时89：使用RNN处理Mnist数据集.mkv  34.38M
├──课时90：RNN网络模型.mkv  42.72M
├──课时91：训练RNN网络.mkv  49.30M
├──课时92：验证码数据生成.mkv  28.74M
├──课时93：构造网络的输入数据和标签.mkv  34.76M
├──课时94：卷积网络模型定义.mkv  45.41M
├──课时95：迭代及测试网络效果.mkv  37.26M
├──课时96：对抗生成网络简介.mkv  25.43M
├──课时97：对抗生成网络形象解释.mkv  19.25M
├──课时98：对抗生成网络工作原理.mkv  20.52M
└──课时99：案例实战对抗生成网络：环境配置.mkv  37.03M

资源下载