深度学习与CV入门
├──01.课程介绍
| ├──01.深度学习.mp4 14.93M
| ├──02.DL发展历史.mp4 54.69M
| ├──03.计算机视觉定义与任务.mp4 67.06M
| ├──04.CV的应用领域.mp4 69.75M
| └──05.CV的发展历史.mp4 18.40M
├──02.tensorflow
| ├──01.tensorflow和keras简介
| | ├──01.tensorflow简介.mp4 25.49M
| | ├──02.tensorflow安装方法.mp4 26.41M
| | ├──03.张量是什么.mp4 39.84M
| | ├──04.张量的基本操作.mp4 97.14M
| | ├──05.张量转换成numpy.mp4 23.66M
| | ├──06.张量的常用函数.mp4 74.74M
| | ├──07.变量variable.mp4 41.27M
| | ├──08.tf.keras简介和常用模块.mp4 39.29M
| | ├──09.tf.keras的常用方法.mp4 70.93M
| | └──10.tf和keras总结.mp4 6.36M
| └──02.快速入门模型
| | ├──01.快速入门模型简介.mp4 18.17M
| | ├──02.数据集处理.mp4 99.73M
| | ├──03.sklearn实现分类.mp4 56.72M
| | ├──04.tf.keras实现-数据处理.mp4 79.32M
| | ├──05.tf.keras实现-模型构建.mp4 80.10M
| | ├──06.tf.keras实现-模型训练与评估.mp4 129.82M
| | └──07.tf.keras实现总结.mp4 4.26M
├──03.深度学习
| ├──01.神经网络、优化方法与正则化
| | ├──01.深度学习简介.mp4 15.97M
| | ├──02.神经网络简介.mp4 57.13M
| | ├──03.神经元的工作方式.mp4 23.26M
| | ├──04.激活函数sigmoid.mp4 73.67M
| | ├──05.激活函数tanh.mp4 35.78M
| | ├──06.激活函数relu.mp4 53.02M
| | ├──07.激活函数leakyrelu.mp4 25.91M
| | ├──08.激活函数softmax.mp4 54.83M
| | ├──09.其他激活函数及选择.mp4 37.12M
| | ├──10.参数初始化.mp4 46.38M
| | ├──11.Xavier初始化.mp4 75.28M
| | ├──12.He初始化.mp4 62.55M
| | ├──13.神经网络的构建方式.mp4 37.51M
| | ├──14.sequential构建方式.mp4 95.61M
| | ├──15.functional API构建方式.mp4 83.90M
| | ├──16.Model 子类构建方式.mp4 115.97M
| | ├──17.神经网络优缺点及历史.mp4 108.03M
| | ├──19.损失函数是什么.mp4 27.81M
| | ├──20.交叉熵损失函数.mp4 84.46M
| | ├──21.二分类的交叉熵损失函数.mp4 14.01M
| | ├──22.MAE损失.mp4 46.60M
| | ├──23.MSE损失.mp4 36.51M
| | ├──24.smooth L1损失.mp4 59.56M
| | ├──25.神经网络的优化方法.mp4 13.44M
| | ├──26.梯度下降算法.mp4 118.40M
| | ├──27.epoch,batch和iteration.mp4 44.20M
| | ├──28.前向传播,反向传播和链式法则.mp4 94.50M
| | ├──29.BP算法.mp4 112.27M
| | ├──30.梯度下降存在的问题及指数加权平均值.mp4 54.21M
| | ├──31.动量梯度下降算法.mp4 89.50M
| | ├──32.adagrad.mp4 59.32M
| | ├──33.RMSprop.mp4 53.28M
| | ├──34.Adam.mp4 62.32M
| | ├──35.学习率退火.mp4 54.33M
| | ├──36.总结.mp4 9.74M
| | ├──37.正则化及L1L2正则化的使用.mp4 75.71M
| | ├──38.dropout.mp4 81.07M
| | ├──39.提前停止.mp4 120.55M
| | └──40.BN层及总结.mp4 19.57M
| └──02.卷积神经网络
| | ├──01.mnist案例简介与数据加载.mp4 27.79M
| | ├──02.mnist案例简数据处理.mp4 75.13M
| | ├──03.mnist案例模型构建.mp4 121.69M
| | ├──04.mnist案例模型编译与训练.mp4 94.83M
| | ├──05.mnist案例tensorboard使用.mp4 60.67M
| | ├──06.mnist案例模型评估与保存.mp4 47.90M
| | ├──07.全连接网络处理图像存在的问题.mp4 45.33M
| | ├──08.CNN网络的组成.mp4 50.59M
| | ├──09.卷积层的介绍.mp4 160.25M
| | ├──10.池化层和全连接层的介绍.mp4 61.29M
| | ├──11.LeNet-5数据加载与处理.mp4 107.56M
| | ├──12.LeNet-5的模型构建.mp4 121.90M
| | ├──13.LeNet-5的模型编译,训练和评估.mp4 64.43M
| | └──14.CNN网络总结.mp4 4.16M
├──04.图像分类
| ├──01.图像分类简介.mp4 49.85M
| ├──02.Alex简介和网络结构.mp4 83.76M
| ├──03.AlexNet网络构建.mp4 158.49M
| ├──04.AlexNet网络数据读取.mp4 152.31M
| ├──05.AlexNet模型训练与评估.mp4 71.21M
| ├──06.VGG简介与网络架构.mp4 131.07M
| ├──07.VGG网络构建.mp4 109.80M
| ├──08.VGG进行手写数字识别.mp4 86.59M
| ├──09.GoogLeNet简介和Inception简介.mp4 104.74M
| ├──10.Inception模块的构建.mp4 125.22M
| ├──11.GoogLeNet构成和B1模块实现.mp4 17.59M
| ├──12.B2和B3模块实现.mp4 70.34M
| ├──13.B4模块实现.mp4 170.84M
| ├──14.B5模块实现.mp4 99.51M
| ├──15.手写数字识别实现.mp4 49.68M
| ├──16.inceptionV2,V3和总结.mp4 23.38M
| ├──17.ResNet简介和残差块.mp4 102.11M
| ├──18.残差块的实现.mp4 85.44M
| ├──19.resNet简介.mp4 98.35M
| ├──20.resNet中残差模块的构建.mp4 72.96M
| ├──21.resNet模型构建.mp4 149.42M
| ├──22.resNet手写数字识别.mp4 44.79M
| ├──23.常用的图像增强方法.mp4 31.74M
| ├──24.tf.image进行图像增强.mp4 95.54M
| ├──26.模型微调.mp4 27.88M
| ├──27.数据集获取.mp4 108.04M
| └──28.微调模型训练.mp4 23.95M
└──资料
| └──02.深度学习与CV.rar 770.20M
本站资料仅供个人学习和研究使用 若本帖作者内容侵犯了原著者的合法权益请提供相应证明材料本站审核通过后将即予以处理
评论0