投稿

Deeplearning Practice(Part two)

595

0

2020-03-20 19:00:20

baidu

格物嘉发消息

夸克：不是哥们，是真强！从学习到生活，它都能搞定！

第一部分1深度学习与人工智能简介

11:36

2计算机视觉面临挑战与常规套路

09:48

3用K近邻来进行图像分类

10:09

4超参数与交叉验证

10:40

5线性分类

09:45

6损失函数

09:24

7正则化惩罚项

07:29

8softmax分类器

13:47

9最优化形象解读

06:56

10梯度下降算法原理

11:57

11反向传播

15:25

12神经网络整体架构

10:20

13神经网络模型实例演示

10:47

14过拟合问题解决方案

16:02

15Python环境搭建（推荐Anaconda方法）

13:19

16Eclipse搭建python环境

05:32

17深度学习入门视频课程09 动手完成简单神经网络

31:59

18感受神经网络的强大

11:39

19神经网络案例-cifar分类任务

16:08

20神经网络案例-分模块构造神经网络

13:42

21神经网络案例-训练神经网络完成分类任务

00:09

第二部分001、深度学习入门课程01 感受卷积神经网络的强大

14:56

002、深度学习入门课程02 卷积层详解

12:54

003、深度学习入门课程03 卷积计算流程

12:31

004、深度学习入门课程04 卷积核参数分析

13:14

005、深度学习入门课程05 卷积参数共享原则

08:10

006、深度学习入门课程06 池化层（Pooling）原理

08:25

007、深度学习入门课程07 卷积神经网络反向传播原理

14:44

008、深度学习入门课程08 实现卷积层的前向传播与反向传播

10:20

009、深度学习入门课程09 实现Pooling层的前向传播与反向传播

12:01

010、深度学习入门课程10 经典卷及网络架构实例

20:36

011、深度学习入门课程11 RNN网络结构

08:41

012、RNN网络细节

11:55

013、深度学习入门课程12 python实现RNN算法

33:47

014、深度学习入门课程13 LSTM网络结构简介

12:37

015、深度学习入门课程14 分类与回归（Location）任务应用详解

33:30

016、深度学习入门额课程15 物体检测实例

33:17

017、深度学习入门课程16 如何巧妙设计网络结构

21:53

018、深度学习入门课程17 训练技巧之数据增强

12:21

019、深度学习入门课程18 训练技巧之Transfer Learning

11:10

020、深度学习入门课程19 深度学习框架Caffe简介

20:44

021、深度学习入门课程20 深度学习框架Caffe训练过程

20:40

022、深度学习入门课程21 深度学习框架Caffe接口使用实例

12:36

第三部分 001、Tensorflow案例实战视频课程01 课程简介

00:39

002、Tensorflow案例实战视频课程02 Tensorflow安装

07:10

003、Tensorflow案例实战视频课程03 基本计算单元-变量

08:33

004、Tensorflow案例实战视频课程04 常用基本操作

14:41

005、Tensorflow案例实战视频课程05 构造线性回归模型

13:34

006、Tensorflow案例实战视频课程06 Mnist数据集简介

06:30

007、Tensorflow案例实战视频课程07 逻辑回归框架 - 副本

12:25

007、Tensorflow案例实战视频课程07 逻辑回归框架

12:25

008、Tensorflow案例实战视频课程08 迭代完成逻辑回归模型

13:49

009、Tensorflow案例实战视频课程09 神经网络模型架构

07:49

010、Tensorflow案例实战视频课程10 训练神经网络

11:24

011、Tensorflow案例实战视频课程11 卷积神经网络模型架构

10:58

012、Tensorflow案例实战视频课程12 卷积神经网络模型参数

17:15

013、Tensorflow案例实战视频课程13 模型的保存和读取

15:31

014、Tensorflow案例实战视频课程14 加载训练好的VGG网络模型

10:57

015、Tensorflow案例实战视频课程15 使用VGG模型进行测试

10:48

016、Tensorflow案例实战视频课程16 使用RNN处理Mnist数据集

11:51

017、Tensorflow案例实战视频课程17 RNN网络模型

10:43

018、Tensorflow案例实战视频课程18 训练RNN网络

10:05

019、Tensorflow案例实战视频课程19 验证码数据生成

10:44

020、Tensorflow案例实战视频课程20 构造网络的输入数据和标签

11:58

021、Tensorflow案例实战视频课程21 卷积网络模型定义

13:25

022、Tensorflow案例实战视频课程22 迭代及测试网络效果

10:57

第四部分1,深度学习框架Caffe使用案例视频

11:21

4-2-

18:20

4-3

25:44

4-4

20:02

4-5

32:08

4-6

21:40

4-7

13:13

4-8

20:03

4-9

12:51

4-10

10:29

4-11

12:09

4-12

19:41

第五部分5-1深度学习项目实战视频课程-人脸检测

02:06

5-2

11:30

5-3

13:50

5-4

13:50

5-5

07:54

5-6

09:34

5-7

11:59

5-8

15:48

5-9

13:25

5-10

16:46

5-11

14:16

5-12

07:44

5-13

10:54

5-14

05:30

5-15

08:17

5-16

09:12

第六部分001、深度学习项目实战01 人脸关键点检测算法框架

10:48

002、深度学习项目实战02 多标签数据源制作以及标签坐标转换

22:15

003、深度学习项目实战03 对原始数据进行数据增强

10:42

004、深度学习项目实战04 完成第一阶段HDF5数据源制作

15:02

005、深度学习项目实战05 第一阶段网络训练

09:15

006、深度学习项目实战06 第二三阶段网络数据源制作

23:41

007、深度学习项目实战07 第二三阶段网络模型训练

10:53

008、深度学习项目实战08 网络模型参数初始化

11:48

009、深度学习项目实战09 完成全部测试结果

16:23

010、深度学习项目实战10 人脸关键点检测效果

08:05

011、深度学习项目实战11 项目总结分析

17:00

012、深度学习项目实战12 算法框架分析

19:12

第七部分001、课程简介

04:37

002、自然语言处理与深度学习

11:59

003、语言模型

06:17

004、N-gram模型

08:33

005、词向量

09:28

006、神经网络模型

10:03

007、Hierarchical Softmax

10:02

008、CBOW模型实例

11:21

009、CBOW求解目标

05:40

010、梯度上升求解

10:11

011、负采样模型

07:16

012、使用Gensim库构造词向量

06:22

013、维基百科中文数据处理

10:27

014、Gensim构造word2vec模型

08:53

015、测试模型相似度结果

07:43

016、环境配置

06:01

017、中文数据预处理

20:37

018、word2vec模型构造

10:37

019、构造图计算模型

07:55

020、word2vec训练

10:47

021、模型训练模块

10:19

022、迭代预测效果

08:40

023、影评情感分类任务概述

17:49

024、基于词袋模型训练分类器

11:09

025、准备word2vec输入数据

10:47

026、使用gensim构建word2vec词向量

16:36

第八部分1-1.强化学习简介

09:41

1-2.强化学习基本概念

10:05

1-3.马尔科夫决策过程

09:12

1-4.Bellman方程

12:30

1-5.值迭代求解

08:26

1-6.代码实战求解过程

11:22

1-7.Q-Learning基本原理

09:19

1-8.Q-Learning迭代计算实例

11:14

1-9.Q-Learning迭代效果

09:10

1-10.求解流程详解

11:49

2-1.Deep-Q-Network原理

06:45

2-2.Deep-Q-Learning网络细节

11:10

2-3,Deep Q-Learning网络参数配置

08:30

2-4.搭建Deep Q-Learning网络模型

11:37

2-5.Deep Q Learning卷积操作定义

10:15

2-6.数据预处理

11:48

2-7.实现阶段数据存储

08:26

2-8.实现训练模块

10:57

2-9.Debug解读训练代码

05:12

2-10.完整代码流程分析

11:40

2-11.Deep Q-Learning效果演示

03:18

第九部分 1 Tensorflow项目实战视频课程-文本分类

03:21

2

03:39

3

04:22

4

13:19

5(1)

15:16

5(2)

15:16

6

11:11

7

11:37

8

09:15

9

13:04

10

13:28

11

13:08

12

11:39

13

11:44

14

04:50

15

09:36

第十部分深度学习项目实战视频课程-StyleTransfer(基于Tensorflow)）001、课程简介

04:54

002、Tensorflow安装

03:32

003、style-transfer基本原理

07:36

004、风格生成网络结构原理

07:07

005、风格生成网络细节

11:53

006、风格转换效果展示

05:38

007、风格转换参数配置

12:46

008、数据读取操作

09:58

009、VGG体征提取网络结构

10:17

010、内容与风格特征提取

09:21

011、生成网络结构定义

05:34

012、生成网络计算操作

11:13

013、参数初始化

08:51

014、Content损失计算

05:53

015、Style损失计算

08:42

016、完成训练模块

11:03

017、模型保存与打印结果

08:25

018、完成测试代码

12:02

第十一部分12(1)-1RNN手写字体识别

12:17

12(1)-2

11:20

12(1)-3

10:12

12(2)-1 TensorFlow打造唐诗生成网络

04:54

12(2)-2

12:04

12(2)-3

14:20

12(2)-4

12:49

12(2)-5

09:13

12(2)-6

13:14

12(2)-7

04:46

12(2)-8

09:40

12(3)-1 递归神经网络原理

01:33

12(3)-2

08:49

12(3)-3

12:04

12(3)-4

12:43

第十二部份13(1)-1 seq2seq网络架构原理

02:22

13(1)-2

09:23

13(1)-3

07:32

13(1)-4

09:25

13(1)-5

13:11

13(2)-1 文章摘要生成

11:03

13(2)-2

09:12

13(2)-3

08:54

13(2)-4

11:12

13(3)-1 序列排序生成

06:13

13(3)-2

11:33

13(3)-3

10:33

13(3)-4

10:16

13(3)-5

08:39

第十三部分深度学习顶级论文算法详解第二课

16:47

第三课

24:07

第四课

19:45

第五课

21:48

第六课

20:41

第七课

11:33

第八课

09:14

第九课

12:58

第十课

14:01

第十一集

11:18

第十二课

11:31

第十三课

11:53

第十四

14:42

第十五课

13:04

第十六课

12:54

第十四部分01.课程简介

05:13

02.对抗生成网络形象解释

07:18

03.对抗生成网络工作原理

09:51

04.案例实战对抗生成网络：环境配置

08:53

05.案例实战对抗生成网络：构造判别网络模型

11:38

06.案例实战对抗生成网络：构造生成网络模型

08:10

07.案例实战对抗生成网络：构造损失函数

06:39

08.案例实战对抗生成网络：训练对抗生成网络

09:53

09.DCGAN基本原理

10:10

10.DCGAN的网络模型架构

12:23

11.DCGAN项目实战：DIY你要生成的数据

13:00

12.DCGAN项目实战：配置参数

10:51

13.DCGAN项目实战：基于卷积的生成网络架构

11:47

14.DCGAN项目实战：基于卷积的判别网络

09:57

15.DCGAN项目实战：训练DCGAN网络

08:50

顶部