人工智能教程快速入门深度学习与CV

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