天善智能 先机致胜,破冰AI!深度学习模型、框架与实战

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。

《天善智能  先机致胜,破冰AI!深度学习模型、框架与实战》

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

抱歉,只有登录并在本文发表评论才能阅读隐藏内容,切记不要恶意刷评论白嫖资源,评论前切记阅读用户规则,一旦进入黑名单,不可能再放出来。同时注意,暂停在线支付,请联系客服QQ267286513。
  1. sc01105023说道:

    课程目录倒是挺全的

  2. 云边有个小卖部说道:

    感谢

发表回复