投稿

Three months of introductory D L

533

0

2019-01-20 16:01:28

未经作者授权，禁止转载

学习

野生技术协会

各走一边大道朝天发消息

【发牌歌切】一起狂欢呀～

1. 人工智能背景介绍

09:13

2. 前期环境准备

12:41

03. 深度学习环境准备

04:39

04. TensorFlow快速入门（一）--基本概年和框架

24:32

05. Tensorflow快速入门（二）--实战演练和模型训练

18:10

06. Tensorflow快速入门（三）--技巧总结

13:50

07. 深度学习数学知识一览表

16:37

08. 作业：实例：用自己的数据集训练模型

02:03

09. 作业讲解—如何制作自己的数据集1

21:29

10. 作业讲解—如何制作自己的数据集2

16:36

11. 什么是多层感知机

03:44

12. 激活函数的原理、类别与实现1

13:04

13. 激活函数的原理、类别与实现2

07:07

14. 损失函数的原理、类别与实现上

19:31

15. 损失函数的原理、类别与实现下

09:52

16. 梯度下降算法一

15:38

17. 梯度下降算法二

30:07

18. 学习率的设定

06:58

19. 正则化的方法（一）

18:00

20. 正则化的方法(二)

05:50

21. 实例：识别花的种类

06:27

22. 作业：改变不同的参数，提高识别花种类的准确率

02:42

23. 作业讲解：不同参数的改变对于准确率的变化原理

11:25

24. 前向传播的原理

04:10

25. 前向传播的代码实现

02:22

26. 反向传播的原理

08:20

27. 反向传播代码实现

02:47

28. 实例：自己手写一个完整的BP

06:42

29. 作业：写一个Autoencoder

01:36

30. 作业讲解：如何写一个Autoencoder

08:22

31. 什么是Autoencoer

06:49

32. Autoencoder的原理与实现

07:27

33. Autoencoder与PCA的区别

04:08

34. Autoencoder的变种（一）

07:17

35. Autoencoder的变种（二）

06:13

36. 实例：Autoencoder与聚类结合在预测用户偏好中的应用

09:14

37. 作业：运用Autoencoder对海量数据进行降维

03:16

38. 作业讲解：如何高效的运用Autoencoder降维

04:30

39. 卷积神经网络的背景与原理

15:33

40. 卷积神经网络的代码实现（1）

18:06

41. 卷积神经网络的代码实现（2）

29:10

42. Le-Net5的网络结构与实现

10:18

43. Alexnet的网络结构和实现

13:14

44. Vgg的网络结构及实现

09:04

45. GoogleNet的网络结构与实现

17:34

46. Resnet的网络结构及实现

07:39

47. 实例：用经典的卷积神经网络cifar-10数据进行图像分类

20:02

48. 目标检测算法的简介与种类

12:29

49. R-CNN相关算法的原理及实现（一）

23:03

50. R-CNN相关算法的原理及实现（二）

15:07

51. YOLO相关算法的原理及实现（一）

15:21

52. YOLO相关算法的原理及实现（二）

21:55

53. SSD相关算法的原理及实现（一）

21:27

54. SSD相关算法的原理及实现（二）

09:45

55. 迁移学习简介

05:07

56. 迁移学习的应用

05:36

57. 迁移学习的方法

06:35

58. 迁移学习案例分享

06:35

59. 循环神经网络RNN的简介与原理详解

11:07

60. 循环神经网络RNN的代码实现

08:33

61. 实例：用RNN来做情感分析

11:50

62. LSTM的简介与原理详解

06:25

63. LSTM的代码实现

07:23

64. 实例：用LSTM实现一个简单的聊天机器人

29:20

65. GAN的背景与应用

06:42

66. GAN的数学推导及代码实现

26:00

67. GAN的变种及应用

18:18

68. 实例：用GAN生成二次元萌妹子

17:38

69. 单机单卡的实现过程

06:02

70. 单机多卡的实现过程

17:36

71. 多机单卡的实现过程

05:53

72. 多机多卡的实现过程

18:56

73. 实例：分布式训练实例：基于docker的分布式

19:25

74. 用户分群与偏好预测经典案例

18:19

75. 自动创作古诗词

11:45

76. 自动创造音乐

19:47

顶部