最新人工智能深度学习快速入门视频教程

├─01.课程介绍

│      01.深度学习.mp4

│      02.DL发展历史.mp4

│      03.计算机视觉定义与任务.mp4

│      04.CV的应用领域.mp4

│      05.CV的发展历史.mp4

│      

├─02.tensorflow

│  ├─01.tensorflow和keras简介

│  │      01.tensorflow简介.mp4

│  │      02.tensorflow安装方法.mp4

│  │      03.张量是什么.mp4

│  │      04.张量的基本操作.mp4

│  │      05.张量转换成numpy.mp4

│  │      06.张量的常用函数.mp4

│  │      07.变量variable.mp4

│  │      08.tf.keras简介和常用模块.mp4

│  │      09.tf.keras的常用方法.mp4

│  │      10.tf和keras总结.mp4

│  │      

│  └─02.快速入门模型- t5

│          01.快速入门模型简介.mp4

│          02.数据集处理.mp4

│          03.sklearn实现分类.mp4

│          04.tf.keras实现-数据处理.mp4

│          05.tf.keras实现-模型构建.mp4

│          06.tf.keras实现-模型训练与评估.mp4

│          07.tf.keras实现总结.mp4

│         

├─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

│  │      02.神经网络简介.mp4

│  │      03.神经元的工作方式.mp4

│  │      04.激活函数sigmoid.mp4

│  │      05.激活函数tanh.mp4

│  │      06.激活函数relu.mp4

│  │      07.激活函数leakyrelu.mp4

│  │      08.激活函数softmax.mp4

│  │      09.其他激活函数及选择.mp4

│  │      10.参数初始化.mp4

│  │      11.Xavier初始化.mp4

│  │      12.He初始化.mp4

│  │      13.神经网络的构建方式.mp4

│  │      14.sequential构建方式.mp4

│  │      15.functional API构建方式.mp4

│  │      16.Model 子类构建方式.mp4

│  │      17.神经网络优缺点及历史.mp4

│  │      19.损失函数是什么.mp4

│  │      20.交叉熵损失函数.mp4

│  │      21.二分类的交叉熵损失函数.mp4

│  │      22.MAE损失.mp4

│  │      23.MSE损失.mp4

│  │      24.smooth L1损失.mp4

│  │      25.神经网络的优化方法.mp4

│  │      26.梯度下降算法.mp4

│  │      27.epoch,batch和iteration.mp4

│  │      28.前向传播，反向传播和链式法则.mp4

│  │      29.BP算法.mp4

│  │      30.梯度下降存在的问题及指数加权平均值.mp4

│  │      31.动量梯度下降算法.mp4

│  │      32.adagrad.mp4

│  │      33.RMSprop.mp4

│  │      34.Adam.mp4

│  │      35.学习率退火.mp4

│  │      36.总结.mp4

│  │      37.正则化及L1L2正则化的使用.mp4

│  │      38.dropout.mp4

│  │      39.提前停止.mp4

│  │      40.BN层及总结.mp4

│  │      

│  └─02.卷积神经网络

│          01.mnist案例简介与数据加载.mp4

│          02.mnist案例简数据处理.mp4

│          03.mnist案例模型构建.mp4

│          04.mnist案例模型编译与训练.mp4

│          05.mnist案例tensorboard使用.mp4

│          06.mnist案例模型评估与保存.mp4

│          07.全连接网络处理图像存在的问题.mp4

│          08.CNN网络的组成.mp4

│          09.卷积层的介绍.mp4

│          10.池化层和全连接层的介绍.mp4

│          11.LeNet-5数据加载与处理.mp4

│          12.LeNet-5的模型构建.mp4

│          13.LeNet-5的模型编译，训练和评估.mp4

│          14.CNN网络总结.mp4

│         

├─04.图像分类

│       01.图像分类简介.mp4

│       02.Alex简介和网络结构.mp4

│       03.AlexNet网络构建.mp4

│       04.AlexNet网络数据读取.mp4

│       05.AlexNet模型训练与评估.mp4

│       06.VGG简介与网络架构.mp4

│       07.VGG网络构建.mp4

│       08.VGG进行手写数字识别.mp4

│       09.GoogleNet简介和Inception简介.mp4

│       10.Inception模块的构建.mp4

│       11.GoogLeNet构成和B1模块实现.mp4

│       12.B2和B3模块实现.mp4

│       13.B4模块实现.mp4

│       14.B5模块实现.mp4

│       15.手写数字识别实现.mp4

│       16.inceptionV2,V3和总结.mp4

│       17.ResNet简介和残差块.mp4

│       18.残差块的实现.mp4

│       19.resNet简介.mp4

│       20.resNet中残差模块的构建.mp4

│       21.resNet模型构建.mp4

│       22.resNet手写数字识别.mp4

│       23.常用的图像增强方法.mp4

│       24.tf.image进行图像增强.mp4

│       26.模型微调.mp4

│       27.数据集获取.mp4

│       28.微调模型训练.mp4

│      

├─ 代码

└─ 讲义

神经网络, 深度学习

  ( 声明：本站资料整理自互联网，用于交流学习使用，对资料版权不负任何法律责任，若有侵权请及时联系客服屏蔽删除 )