目录：喵盘/计算机教程/26-贪心学院/07-贪心学院计算机视觉CV [14G]
      ┣━━course.simulator [333.6M]
      ┃    ┣━━beta-simulator-linux.zip [113.8M]
      ┃    ┣━━beta-simulator-mac.zip [117.5M]
      ┃    ┗━━beta-simulator-windows.zip [102.3M]
      ┣━━CV计算机视觉集训营（视频） [13.4G]
      ┃    ┣━━1 任务1：机器学习、深度学习简介[.mp4 [23.9M]
      ┃    ┣━━2 任务2：深度学习的发展历史[.mp4 [23.1M]
      ┃    ┣━━3 任务3：现代深度学习的典型例子[.mp4 [18.7M]
      ┃    ┣━━4 任务4：深度学习在计算机视觉中的应用[.mp4 [24.3M]
      ┃    ┣━━5 任务5：深度学习的总结[.mp4 [10.5M]
      ┃    ┣━━6 任务6：开发环境的配置, Pythn, Nupy, Kas入门教程[.mp4 [46.9M]
      ┃    ┣━━7 任务7：GPU驱动程序安装[.mp4 [17.7M]
      ┃    ┣━━8 任务8：CUDA的安装[.mp4 [21.4M]
      ┃    ┣━━9 任务9：uDNN的安装, Tnsf, PyTh的GPU测试[.mp4 [31.4M]
      ┃    ┣━━10 任务10：问答环节[.mp4 [57M]
      ┃    ┣━━11 任务11：环境安装[.mp4 [106.8M]
      ┃    ┣━━12 任务12：二元分类问题[.mp4 [32.5M]
      ┃    ┣━━13 任务13：逻辑函数[.mp4 [32.1M]
      ┃    ┣━━14 任务14：指数与对数 、逻辑回归[.mp4 [43.7M]
      ┃    ┣━━15 任务15：示例[.mp4 [84M]
      ┃    ┣━━16 任务16：损失函数[.mp4 [59.3M]
      ┃    ┣━━17 任务17：损失函数推演[.mp4 [83.2M]
      ┃    ┣━━18 任务18：梯度下降法[.mp4 [104.8M]
      ┃    ┣━━19 任务19：应用[.mp4 [110.3M]
      ┃    ┣━━任务100：道路行车道检测代码讲解[.mp4 [132.5M]
      ┃    ┣━━任务101：在图像和视频上面演示道路行车道检测[.mp4 [69.9M]
      ┃    ┣━━任务102：项目介绍[.mp4 [25.9M]
      ┃    ┣━━任务103：交通指示牌识别的简介[.mp4 [28.7M]
      ┃    ┣━━任务104：交通指示牌识别课程的编程任务[.mp4 [27.6M]
      ┃    ┣━━任务105：如何分析数据 (utpy 的详细介绍)[.mp4 [70.6M]
      ┃    ┣━━任务106：如何预处理图像数据、建立神经网络模型、训练网络模型 (tanpy 的详细介绍)01[.mp4 [88.9M]
      ┃    ┣━━任务107：如何预处理图像数据、建立神经网络模型、训练网络模型 (tanpy 的详细介绍)02[.mp4 [157.2M]
      ┃    ┣━━任务108：色彩空间转换[.mp4 [51.9M]
      ┃    ┣━━任务109：直方图均衡[.mp4 [80.6M]
      ┃    ┣━━任务110：图像标准化[.mp4 [45.8M]
      ┃    ┣━━任务111：使用IaDataGnat做图像增强[.mp4 [51.5M]
      ┃    ┣━━任务112：作业上传的要求[.mp4 [16.8M]
      ┃    ┣━━任务113：介绍经典交通指示牌卷积神经网络模型[.mp4 [28.9M]
      ┃    ┣━━任务114：代码实现经典交通指示牌识别卷积神经网络模型[.mp4 [69M]
      ┃    ┣━━任务115：卷积神经网络的数学原理01[.mp4 [37.8M]
      ┃    ┣━━任务116：卷积神经网络的数学原理02[.mp4 [75.4M]
      ┃    ┣━━任务117：深度学习调参-直播-01[.mp4 [55.5M]
      ┃    ┣━━任务118：深度学习调参-直播-02[.mp4 [45.5M]
      ┃    ┣━━任务119：深度学习调参-直播-03[.mp4 [55.6M]
      ┃    ┣━━任务120：卷积层的启发[.mp4 [16.5M]
      ┃    ┣━━任务121：卷积层的定量分析[.mp4 [17.3M]
      ┃    ┣━━任务122：单通道输入 单通道输出的卷积层的实例[.mp4 [12M]
      ┃    ┣━━任务123：多通道输入 多通道输出的卷积层的实例[.mp4 [12.1M]
      ┃    ┣━━任务124：池化层的原理 定量分析[.mp4 [9.5M]
      ┃    ┣━━任务125：卷积神经网络和全连接神经网络的比较[.mp4 [23M]
      ┃    ┣━━任务126：卷积神经网络在围棋 语言识别和自然语言处理中的应用[.mp4 [25.6M]
      ┃    ┣━━任务127：基于深度学习的图像分类历史回顾[.mp4 [11.3M]
      ┃    ┣━━任务128：AxNt的结构分析[.mp4 [8.7M]
      ┃    ┣━━任务129：ZFNt的结构分析[.mp4 [8.2M]
      ┃    ┣━━任务130：VGG的结构分析[.mp4 [8.5M]
      ┃    ┣━━任务131：GNt Inptn的结构分析[.mp4 [12.1M]
      ┃    ┣━━任务132：Inptn V3的结构分析[.mp4 [43.8M]
      ┃    ┣━━任务133：RsNt的结构分析[.mp4 [40.5M]
      ┃    ┣━━任务134：RsNt的代码实现[.mp4 [154.2M]
      ┃    ┣━━任务135：基于内容的图像搜索理论基础[.mp4 [29.3M]
      ┃    ┣━━任务136：基于去噪自动编码器的图像搜索代码实现[.mp4 [203.8M]
      ┃    ┣━━任务137：使用卷积神经网络进行语义图像嵌入在目标检测, 自动驾驶, 图像超分辨率重构, 工业探伤等等领域的应用[.mp4 [18.3M]
      ┃    ┣━━任务138：项目1-看图说话（助教）讲解和答疑-01[.mp4 [164M]
      ┃    ┣━━任务139：项目1-看图说话（助教）讲解和答疑-02[.mp4 [202.7M]
      ┃    ┣━━任务140：项目介绍[.mp4 [15.1M]
      ┃    ┣━━任务141：自动驾驶方向盘转动方向预测的背景知识[.mp4 [33.4M]
      ┃    ┣━━任务142：如何收集训练数据[.mp4 [35.7M]
      ┃    ┣━━任务143：理解分析训练数据[.mp4 [25.7M]
      ┃    ┣━━任务144：自动驾驶方向盘转动方向预测的网络结构和网络训练代码讲解[.mp4 [181.5M]
      ┃    ┣━━任务145：提高网络性能的思路 图像处理、数据增强、网络结构优化[.mp4 [38.7M]
      ┃    ┣━━任务146：探索数据01[.mp4 [39.5M]
      ┃    ┣━━任务147：探索数据02[.mp4 [15.2M]
      ┃    ┣━━任务148：图像增强01[.mp4 [62.7M]
      ┃    ┣━━任务149：图像增强02[.mp4 [11.4M]
      ┃    ┣━━任务150：解决数据不平衡的问题 DataGnat的应用[.mp4 [18M]
      ┃    ┣━━任务151：网络结构实例[.mp4 [8.6M]
      ┃    ┣━━任务152： 图像增强部分的代码讲解[.mp4 [99.5M]
      ┃    ┣━━任务153：DataGnat部分的代码讲解[.mp4 [64.1M]
      ┃    ┣━━任务154：网络结构实现部分的代码讲解[.mp4 [84.2M]
      ┃    ┣━━任务155：方向盘转动方向预测网络模型的性能评估方法[.mp4 [9.7M]
      ┃    ┣━━任务156：使用模拟器定性的判断网络性能的方法以及代码讲解[.mp4 [69.9M]
      ┃    ┣━━任务157：模拟器自动驾驶的展示[.mp4 [75.2M]
      ┃    ┣━━任务158：通过损失函数的变化判断网络性能、识别和解决过拟合和欠拟合的问题[.mp4 [64M]
      ┃    ┣━━任务159：如何安装Pythn 连接模拟器的Pythn 库[.mp4 [22.2M]
      ┃    ┣━━任务160：nds 下面使用自动驾驶模拟器的教程[.mp4 [46.4M]
      ┃    ┣━━任务161：a 下面使用自动驾驶模拟器的教程[.mp4 [33.5M]
      ┃    ┣━━任务162：目标识别综述[.mp4 [37.6M]
      ┃    ┣━━任务163：基于HOG(梯度直方图)的目标识别[.mp4 [31.3M]
      ┃    ┣━━任务164：Nn-Max Suppssn IU 和 Had Natv Mnn[.mp4 [82.9M]
      ┃    ┣━━任务165：R-CNN的工作原理[.mp4 [129.6M]
      ┃    ┣━━任务166：R-CNN中的边界框(Bundn Bx)预测原理[.mp4 [24.1M]
      ┃    ┣━━任务167：R-CNN的不足之处[.mp4 [4.3M]
      ┃    ┣━━任务168：Fast R-CNN详解[.mp4 [40M]
      ┃    ┣━━任务169：Fast R-CNN Rn Ppsa Ntk[.mp4 [37.1M]
      ┃    ┣━━任务170：R-CNN Fast R-CNN Fast R-CNN的总结[.mp4 [23M]
      ┃    ┣━━任务171：目标识别 R-CNN家族的回顾[.mp4 [22.4M]
      ┃    ┣━━任务172：SSD的简介 SSD与R-CNN的比较[.mp4 [33M]
      ┃    ┣━━任务173：SSD的网络结构(1)[.mp4 [130.7M]
      ┃    ┣━━任务173：SSD的网络结构[.mp4 [130.7M]
      ┃    ┣━━任务174：如何使用卷积作为最后的预测层[.mp4 [13.9M]
      ┃    ┣━━任务175：SSD的训练过程[.mp4 [53.4M]
      ┃    ┣━━任务176：SSD的实验结果分析[.mp4 [24.1M]
      ┃    ┣━━任务177：VGG16到SSD网络的演化 L2Nazatn层的实现[.mp4 [131.5M]
      ┃    ┣━━任务178：SSD各个技术对失败率的影响 Atus卷积层的原理[.mp4 [13.6M]
      ┃    ┣━━任务179：使用卷积作为最后的预测层详解[.mp4 [17.4M]
      ┃    ┣━━任务180：SSD定位损失函数详解[.mp4 [35.3M]
      ┃    ┣━━任务181：SSD中Anh尺寸 宽高比 中心位置的确定[.mp4 [10.2M]
      ┃    ┣━━任务182：SSD中分类损失函数详解[.mp4 [11.6M]
      ┃    ┣━━任务183：Nn-Max Suppssn的原理[.mp4 [12.9M]
      ┃    ┣━━任务184：SSD和YOLO的比较 SSD的总结[.mp4 [12.2M]
      ┃    ┣━━任务185：图像分割简介[.mp4 [36.5M]
      ┃    ┣━━任务186：基于深度学习的图像分割U-Nt的原理[.mp4 [79.4M]

      ┃    ┣━━任务187：Tanspsd Cnvutn原理与运用[.mp4 [123M]
      ┃    ┣━━任务188：U-Nt的代码讲解[.mp4 [71.1M]
      ┃    ┣━━任务189：图像生成的原理[.mp4 [10.3M]
      ┃    ┣━━任务190：使用深度学习自动图像生成手写数字的代码讲解[.mp4 [84.3M]
      ┃    ┣━━任务191：图像风格转移的原理[.mp4 [38.3M]
      ┃    ┣━━任务192：使用深度学习实现图像风格转移的代码讲解[.mp4 [52.4M]
      ┃    ┣━━任务193：SSD的原理回顾[.mp4 [47.7M]
      ┃    ┣━━任务194：编程项目的训练数据介绍[.mp4 [58.7M]
      ┃    ┣━━任务195：对SSD模型对产生Anh有影响的参数讲解[.mp4 [134.6M]
      ┃    ┣━━任务196：对候选框精选处理有影响的参数讲解[.mp4 [49.6M]
      ┃    ┣━━任务197：对输入模型参数的合法性检测和转换[.mp4 [28.3M]
      ┃    ┣━━任务198：具有7层的SSD的网络结构讲解[.mp4 [147.8M]
      ┃    ┣━━任务199：编译模型, 使用模型做预测[.mp4 [180.4M]
      ┃    ┣━━任务20：直播答疑[.mp4 [19.5M]
      ┃    ┣━━任务200：SSD解码的实现[.mp4 [111.4M]
      ┃    ┣━━任务201：帮助函数IU, 坐标转换, SSD损失函数, Nn-Max-Suppssn的实现[.mp4 [227.6M]
      ┃    ┣━━任务202：二值化神经网络的简介[.mp4 [37.2M]
      ┃    ┣━━任务203：二值化网络的前向后向传播, 梯度计算原理[.mp4 [16.3M]
      ┃    ┣━━任务204：二值化网络的训练算法[.mp4 [145.3M]
      ┃    ┣━━任务205：二值化网络的实验结果[.mp4 [22.6M]
      ┃    ┣━━任务206：二值化全连接网络的代码讲解[.mp4 [46.5M]
      ┃    ┣━━任务207：DputNSa层的实现[.mp4 [23.6M]
      ┃    ┣━━任务208：BnayDns层的实现[.mp4 [61.5M]
      ┃    ┣━━任务209：二值化卷积神经网络的代码讲解[.mp4 [48.5M]
      ┃    ┣━━任务21：自动驾驶方向盘预测论文分析[.mp4 [65.1M]
      ┃    ┣━━任务210：项目作业要求[.mp4 [22.6M]
      ┃    ┣━━任务211：神经网络在实际应用中面临的挑战, 轻量级深度神经网络的必要性[.mp4 [207.6M]
      ┃    ┣━━任务212：MNt, Dpths Spa Cnvutn的原理计算量分析[.mp4 [56.9M]
      ┃    ┣━━任务213：ShuffNt, Gup Cnvutn, Chann Shuff的原理[.mp4 [53.4M]
      ┃    ┣━━任务214：EffNt, Spata Spa Cnvutn的原理计算量分析和实验效果[.mp4 [167.5M]
      ┃    ┣━━任务215：htht-ntk答疑时间[.mp4 [20.6M]
      ┃    ┣━━任务216：回顾EffNt的原理[.mp4 [31.3M]
      ┃    ┣━━任务217：EffNt的代码讲解[.mp4 [75.7M]
      ┃    ┣━━任务218：On-Sht Lann 的意义和工作原理[.mp4 [23.8M]
      ┃    ┣━━任务219：用于On-Sht Lann 的Sas 深度神经网络的介绍[.mp4 [21.7M]
      ┃    ┣━━任务22：使用PyCha Kas建立深度网络模型[.mp4 [257.8M]
      ┃    ┣━━任务220：Sas 深度神经网络的实验和结果分析[.mp4 [65.3M]
      ┃    ┣━━任务221：Tanspsd Cnvutn 的应用, 算法回顾, 以及使用矩阵乘法实现[.mp4 [34.2M]
      ┃    ┣━━任务222：Tanspsd Cnvutn 的梯度推导[.mp4 [22.1M]
      ┃    ┣━━任务223：将卷积核转换为Tptz Matx用于矩阵乘法实现Tanspsd[.mp4 [37.8M]
      ┃    ┣━━任务224：同学对课程的效果反馈调查[.mp4 [322.3M]
      ┃    ┣━━任务225：使用 Sas 网络做门禁卡系统的入门介绍, 数据集的介绍[.mp4 [72.2M]
      ┃    ┣━━任务226：PyTh 基础教程[.mp4 [47.8M]
      ┃    ┣━━任务227：Sas On-Sht ann 知识回顾[.mp4 [14.3M]
      ┃    ┣━━任务228：使用 PyTh thvsn 库高效读取数据[.mp4 [70.9M]
      ┃    ┣━━任务229：使用 PyTh 定义 Sas 网络结构[.mp4 [49.4M]
      ┃    ┣━━任务23：数据预处理 数据增强[.mp4 [62.7M]
      ┃    ┣━━任务230：使用 PyTh 写训练网络的代码[.mp4 [86.8M]
      ┃    ┣━━任务231：使用 PyTh 写测试网络的代码[.mp4 [82.3M]
      ┃    ┣━━任务24：建立BathGnat高效读取数据[.mp4 [105.6M]
      ┃    ┣━━任务25：训练网络 保存训练的中间过程数据[.mp4 [139.6M]
      ┃    ┣━━任务26：查看网络训练过程 判断网络是否过拟合 欠拟合[.mp4 [46.2M]
      ┃    ┣━━任务27：神经网络分类问题的经典数据（集鸢尾花数据集）介绍，神经网络Pythn库Kas的介绍[.mp4 [81.2M]
      ┃    ┣━━任务28：使用Pandas读取鸢尾花数据集， 使用LaEnd对类别标签进行编码[.mp4 [38.3M]
      ┃    ┣━━任务29：使用Kas创建一个用于鸢尾花分类识别的神经网络[.mp4 [135.2M]
      ┃    ┣━━任务30：训练用于鸢尾花分类的神经网络 解读训练输出的日志 了解如何评价神经网络的性能[.mp4 [70.1M]
      ┃    ┣━━任务31：神经网络数学原理（1）： 神经网络的结点，权值，激活函数[.mp4 [60.4M]
      ┃    ┣━━任务32：神经网络数学原理（2）： 神经网络的前馈（Fd Fad）算法[.mp4 [48.1M]
      ┃    ┣━━任务33：神经网络数学原理（3）：神经网络的前馈（Fd Fad）算法续，Sftax层的数值问题[.mp4 [46M]
      ┃    ┣━━任务34：神经网络数学原理（4）：神经网络BP（误差反向传播）算法[.mp4 [55.2M]
      ┃    ┣━━任务35：神经网络数学原理（5）：神经网络BP（误差反向传递）算法续[.mp4 [64.4M]
      ┃    ┣━━任务36：神经网络数学原理（6）：手动演算神经网络BP算法（误差向后传递）[.mp4 [75.7M]
      ┃    ┣━━任务37：神经网络数学原理（7）：手动演算神经网络BP算法（误差向后传递）续[.mp4 [68.2M]
      ┃    ┣━━任务38：NuaNtkLss-直播01[.mp4 [69.6M]
      ┃    ┣━━任务39：NuaNtkLss-直播02[.mp4 [60.7M]
      ┃    ┣━━任务40：NuaNtkLss-直播03[.mp4 [107.7M]
      ┃    ┣━━任务41：梯度消亡[.mp4 [56.2M]
      ┃    ┣━━任务42：梯度消亡问题分析[.mp4 [61.3M]
      ┃    ┣━━任务43：梯度消亡解决方案[.mp4 [43.8M]
      ┃    ┣━━任务44：过拟合[.mp4 [55M]
      ┃    ┣━━任务45：DpOut 训练[.mp4 [38M]
      ┃    ┣━━任务46：正则化[.mp4 [25.2M]
      ┃    ┣━━任务47：最大范数约束 神经元的初始化[.mp4 [57.9M]
      ┃    ┣━━任务48：作业讲解与答疑-01[.mp4 [98.2M]
      ┃    ┣━━任务49：作业讲解与答疑-02[.mp4 [85.3M]
      ┃    ┣━━任务50：为什么需要递归神经网络？[.mp4 [28.1M]
      ┃    ┣━━任务51：递归神经网络介绍[.mp4 [140.5M]
      ┃    ┣━━任务52：语言模型[.mp4 [102.8M]
      ┃    ┣━━任务53：RNN的深度[.mp4 [19.7M]
      ┃    ┣━━任务54：梯度爆炸和梯度消失[.mp4 [141.5M]
      ┃    ┣━━任务55：Gadnt Cppn[.mp4 [38.9M]
      ┃    ┣━━任务56：LSTM的介绍[.mp4 [89.6M]
      ┃    ┣━━任务57：LSTM的应用[.mp4 [56.6M]
      ┃    ┣━━任务58：B-Dtna LSTM[.mp4 [48.1M]
      ┃    ┣━━任务59：Gatd Runt Unt[.mp4 [52.2M]
      ┃    ┣━━任务60：机器翻译[.mp4 [40.3M]
      ┃    ┣━━任务61：Mutda Lann[.mp4 [66.9M]
      ┃    ┣━━任务62：Sq2Sq模型[.mp4 [131.3M]
      ┃    ┣━━任务63：回顾RNN与LSTM[.mp4 [20.8M]
      ┃    ┣━━任务64：Attntn f Ia Captnn[.mp4 [102.7M]
      ┃    ┣━━任务65：Attntn f Mahn Tansatn[.mp4 [46M]
      ┃    ┣━━任务66：Sf-Attntn[.mp4 [51.7M]
      ┃    ┣━━任务67：Attntn总结[.mp4 [20.2M]
      ┃    ┣━━任务68：nua ntk ptz直播-01[.mp4 [112.6M]
      ┃    ┣━━任务69：nua ntk ptz直播-02[.mp4 [75.5M]
      ┃    ┣━━任务70：nua ntk ptz直播-03[.mp4 [143.8M]
      ┃    ┣━━任务71：项目介绍[.mp4 [26.9M]
      ┃    ┣━━任务72：看图说话任务一-01[.mp4 [40.1M]
      ┃    ┣━━任务73：看图说话任务一-02[.mp4 [35.5M]
      ┃    ┣━━任务74：看图说话任务一-03[.mp4 [57.9M]
      ┃    ┣━━任务75：任务介绍[.mp4 [36.4M]
      ┃    ┣━━任务76：如何实现 ad__as_np_aay 这个函数[.mp4 [16.5M]
      ┃    ┣━━任务77：如何实现“ad_v16_d”函数[.mp4 [27.4M]
      ┃    ┣━━任务78：如何实现“xtat_fatus”函数[.mp4 [34.8M]
      ┃    ┣━━任务79：创建Tknz01[.mp4 [20.9M]
      ┃    ┣━━任务80：创建Tknz02[.mp4 [62.4M]
      ┃    ┣━━任务81：产生模型需要的输入数据01[.mp4 [77.2M]
      ┃    ┣━━任务82：产生模型需要的输入数据02[.mp4 [56.7M]
      ┃    ┣━━任务83：任务的概述[.mp4 [16.6M]
      ┃    ┣━━任务84：Input Eddn和Dput层介绍[.mp4 [64.3M]
      ┃    ┣━━任务85：LSTM Add层的介绍[.mp4 [29.3M]
      ┃    ┣━━任务86：如何训练模型[.mp4 [65.1M]
      ┃    ┣━━任务87：如何使用深度神经网络模型做预测 产生标题 完成nat_aptn函数01[.mp4 [22.7M]
      ┃    ┣━━任务88：如何使用深度神经网络模型做预测 产生标题 完成nat_aptn函数02[.mp4 [114.7M]
      ┃    ┣━━任务89：如何调用nat_aptn函数[.m(1)p4 [32.1M]
      ┃    ┣━━任务89：如何调用nat_aptn函数[.mp4 [32.1M]
      ┃    ┣━━任务90：如何评价标题生成模型的性能[.mp4 [86.9M]
      ┃    ┣━━任务91：读取和显示数字图像[.mp4 [35.9M]
      ┃    ┣━━任务92：数字图像大小缩放[.mp4 [37.3M]
      ┃    ┣━━任务93：数字图像直方图均衡[.mp4 [35M]
      ┃    ┣━━任务94：图像去噪声[.mp4 [43.6M]
      ┃    ┣━━任务95：图像边缘检测[.mp4 [47.4M]
      ┃    ┣━━任务96：图像关键点检测[.mp4 [11.7M]
      ┃    ┣━━任务97：道路行车道检测简介[.mp4 [17.7M]
      ┃    ┣━━任务98：Canny边缘检测[.mp4 [31.4M]
      ┃    ┗━━任务99：霍夫变换用于直线检测[.mp4 [55.6M]
      ┗━━CV计算机视觉训练营（资料） [255.7M]
            ┗━━CVSource [255.7M]
                  ┣━━.git [25.6K]
                  ┃    ┣━━hooks
                  ┃    ┣━━info
                  ┃    ┣━━logs
                  ┃    ┣━━objects
                  ┃    ┣━━refs
                  ┃    ┣━━config [293B]
                  ┃    ┣━━description [73B]
                  ┃    ┣━━FETCH_HEAD [0B]
                  ┃    ┣━━HEAD [23B]
                  ┃    ┗━━index [25.2K]
                  ┣━━20190303Lesson0 课程介绍 & 编程环境配置 & 深度学习概括 [11.1M]
                  ┃    ┣━━1. CV + Deep Learning.pptx [11.1M]
                  ┃    ┗━━README.md [5.9K]
                  ┣━━20190306Lesson1-logistic.regression [0B]
                  ┃    ┣━━Lesson1-Introduction
                  ┃    ┗━━Lesson1-Pre
                  ┣━━20190310-深度学习经典案例讲解Self-Steering-Keras-Case-Study [5.2M]
                  ┃    ┣━━自动驾驶之方向预测.keras案例教学.pdf [5.2M]
                  ┃    ┗━━README.md [325B]
                  ┣━━20190313Lesson2-Neural-Network [10.4M]
                  ┃    ┣━━neural.network.pdf [10.4M]
                  ┃    ┗━━README.md [473B]
                  ┣━━20190317-Neural-Network-Loss [7.9M]
                  ┃    ┣━━Neural.Network.Loss.pdf [7.9M]
                  ┃    ┗━━README.md [135B]
                  ┣━━20190320Lesson3-Deep-Neural-Network [782.7K]
                  ┃    ┣━━deep.neural.network.s-已解锁.pdf [782.5K]
                  ┃    ┗━━README.md [230B]
                  ┣━━20190327Lesson4-Recurrent-Neural-Network递归神经网络LSTM [3.6M]
                  ┃    ┣━━递归神经网络LSTM.pptx [3.6M]
                  ┃    ┗━━README.md [148B]
                  ┣━━20190331-Neural-Network-Optimizer [6.4M]
                  ┃    ┣━━Lesson5-Interpretability
                  ┃    ┣━━gradient.descent.pdf [6.4M]
                  ┃    ┗━━README.md [292B]
                  ┣━━20190403【Project1-Image-Captioning】 [187B]
                  ┃    ┣━━Project1-Image-Captioning
                  ┃    ┗━━README.md [187B]
                  ┣━━20190410Lesson6-Pure-CV [55.8M]
                  ┃    ┣━━test_images
                  ┃    ┣━━车道线检测.ipynb [245.8K]
                  ┃    ┣━━计算机视觉.pptx [35.9M]
                  ┃    ┣━━数字图像处理.ipynb [2.5M]
                  ┃    ┣━━cat.darkened.jpeg [10.6K]
                  ┃    ┣━━cat.jpg [22.9K]
                  ┃    ┣━━challenge.mp4 [14.4M]
                  ┃    ┣━━chessboard.jpg [8.4K]
                  ┃    ┣━━laneLines_thirdPass.jpg [89.9K]
                  ┃    ┣━━line-segments-example.jpg [88.2K]
                  ┃    ┣━━README.md [304B]
                  ┃    ┗━━solidWhiteRight.mp4 [2.5M]
                  ┣━━20190414-LSTM-Review-master [42.8M]
                  ┃    ┣━━CV-Attention_annotated.pptx [27.8M]
                  ┃    ┗━━CV-Attention.pptx [15M]
                  ┣━━20190417【Project2-Traffic-Sign-Recognition】 [5.7M]
                  ┃    ┣━━traffic-signs-data
                  ┃    ┣━━自动驾驶之交通标识识别.pdf [5.7M]
                  ┃    ┣━━README.md [554B]
                  ┃    ┣━━train.py [4.8K]
                  ┃    ┗━━util.py [2.3K]
                  ┣━━20190421--HyperParameterTuning_Tiaocan [35.8M]
                  ┃    ┣━━HyperParameterTuning.pptx [35.8M]
                  ┃    ┗━━README.md [161B]
                  ┣━━20190424-CNN-Special-master [18.4M]
                  ┃    ┣━━CNN卷积神经网络.pdf [18.4M]
                  ┃    ┗━━README.md [317B]
                  ┣━━20190430Lesson7-Convolutional-Neural-Network [11.2M]
                  ┃    ┣━━CBIR
                  ┃    ┣━━cnn.history.architect.content.based.search.pdf [11.2M]
                  ┃    ┣━━README.md [168B]
                  ┃    ┗━━res50.py [5.7K]
                  ┣━━20190508【Project3-Self-Driving-Car-Steering】 [6.9M]
                  ┃    ┣━━data
                  ┃    ┣━━自动驾驶之方向预测.pdf [6.9M]
                  ┃    ┗━━README.md [1003B]
                  ┣━━20190512Lesson8-Object-Detection-master [10M]
                  ┃    ┣━━目标检测(上).pdf [10M]
                  ┃    ┗━━README.md [160B]
                  ┣━━20190515Lesson8-Object-Detection-Continued-Zhibo [0B]
                  ┃    ┗━━Zhibo-Lesson8-Object-Detection-Continued
                  ┣━━20190522Lesson9-Image-Segmentation-Generation [8M]
                  ┃    ┣━━GAN
                  ┃    ┣━━style.transfer
                  ┃    ┣━━ImageSegmentation.Generation.Style.Transfer.pdf [8M]
                  ┃    ┣━━README.md [126B]
                  ┃    ┗━━unet_semantic_segmentation.py [2.5K]
                  ┣━━20190526【Project4-Self-Drving-Car-Object-Detection】 [626B]
                  ┃    ┣━━Project4-Self-Drving-Car-Object-Detection
                  ┃    ┗━━README.md [626B]
                  ┣━━20190529【Project5-Binarized-Neural-Network】 [612B]
                  ┃    ┣━━Project5-Binarized-Neural-Network
                  ┃    ┗━━README.md [612B]
                  ┣━━20190602Zhibo-Lightweight-Network-master- [0B]
                  ┃    ┗━━Zhibo-Lightweight-Network
                  ┣━━20190605【Project6-Eff-Neural-Network】 [0B]
                  ┃    ┗━━Project6-Eff-Neural-Network
                  ┣━━20190612Lesson10-One-Shot-Learning [0B]
                  ┃    ┗━━Lesson10-One-Shot-Learning
                  ┣━━20190616【Project7-Siamese-Neural-Network】 [4.4M]
                  ┃    ┣━━代码数据分享
                  ┃    ┣━━Project7-Siamese-Neural-Network-master-cec31fd50ff97b9ae8760dfd2b4b73324b18af86.zip [4M]
                  ┃    ┣━━PyTorch.Intro.py [7.2K]
                  ┃    ┣━━PyTorch.pptx [380K]
                  ┃    ┗━━README.md [867B]
                  ┣━━20190620【Project8-Capsule-Neural-Network】 [670B]
                  ┃    ┗━━README.md [670B]
                  ┣━━course-info-master [11.1M]
                  ┃    ┣━━1. CV + Deep Learning.pptx [11.1M]
                  ┃    ┗━━README.md [5.9K]
                  ┣━━Homework [583B]
                  ┃    ┣━━homework1
                  ┃    ┣━━homework2
                  ┃    ┣━━homework3
                  ┃    ┣━━homework4
                  ┃    ┣━━homework5
                  ┃    ┣━━homework6
                  ┃    ┣━━homework7
                  ┃    ┣━━homework8
                  ┃    ┗━━README.md [583B]
                  ┗━━README.md [111B]