|
|
介绍：
上篇章节
第1章深度学习必备基础知识点1小时55分钟11节
1-1深度学习与人工智能简介 11:27
1-2计算机视觉面临挑战与常规套路 09:40
1-3用K近邻来进行图像分类 10:01
1-4超参数与交叉验证 10:31
1-5线性分类 09:34
1-6损失函数 09:18
1-7正则化惩罚项 07:19
1-8softmax分类器 13:38
1-9最优化形象解读 06:47
1-10梯度下降算法原理 11:48
1-11反向传播 15:17
第2章神经网络模型36分钟3节
2-1神经网络整体架构 10:11
2-2神经网络模型实例演示 10:38
2-3过拟合问题解决方案 15:53
第3章神经网络案例实战1小时44分钟7节
3-1Python环境搭建（推荐Anaconda方法）[免费观看] 13:10
3-2Eclipse搭建python环境（选自己喜欢的IDE就好） 05:23
3-3深度学习入门视频课程09 动手完成简单神经网络（代码） 31:51
3-4感受神经网络的强大 11:30
3-5神经网络案例-cifar分类任务 16:01
3-6神经网络案例-分模块构造神经网络 13:33
3-7神经网络案例-训练神经网络完成分类任务 13:26
下篇章节
1深度学习入门课程01 感受卷积神经网络的强大 14:55
2深度学习入门课程02 卷积层详解 12:53
3深度学习入门课程03 卷积计算流程 12:30
4深度学习入门课程04 卷积核参数分析 13:13
5深度学习入门课程05 卷积参数共享原则 08:09
6深度学习入门课程06 池化层（Pooling）原理 08:24
7深度学习入门课程07 卷积神经网络反向传播原理 14:44
8深度学习入门课程08 实现卷积层的前向传播与反向传播 10:19
9深度学习入门课程09 实现Pooling层的前向传播与反向传播 12:00
10深度学习入门课程10 经典卷及网络架构实例 20:35
11深度学习入门课程11 RNN网络结构 08:39
12RNN网络细节 11:54
13深度学习入门课程12 python实现RNN算法 33:46
14深度学习入门课程13 LSTM网络结构简介 12:36
15深度学习入门课程14 分类与回归（Location）任务应用详解 33:30
16深度学习入门额课程15 物体检测实例 33:16
17深度学习入门课程16 如何巧妙设计网络结构 21:52
18深度学习入门课程17 训练技巧之数据增强 12:20
19深度学习入门课程18 训练技巧之Transfer Learning 11:09
20深度学习入门课程19 深度学习框架Caffe简介 20:43
21深度学习入门课程20 深度学习框架Caffe训练过程 20:39
22深度学习入门课程21 深度学习框架Caffe接口使用实例 12:35
|
|
发表于 2018-5-10 17:29:39
收藏
发表于 2018-7-29 23:56:36
