人工智能教程快速入门深度学习与CV

——/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