|
|
内容介绍：
1-1 深度学习基础
1.深度学习介绍
01_深度学习课程介绍.mp4
02_深度学习介绍.mp4
03_深度学习介绍2.mp4
2.神经网络基础
01_逻辑回归介绍.mp4
02_逻辑回归损失函数.mp4
03_梯度下降算法过程以及公式.mp4
04_导数意义介绍.mp4
05_a^2函数的导数介绍.mp4
06_导数计算图与链式法则.mp4
07_逻辑回归的导数计算图分析以及参数导数.mp4
08_向量化编程介绍引入.mp4
09_向量化编程的优势.mp4
10_向量化实现逻辑回归的梯度计算更新.mp4
11_正向传播与反向传播、作业介绍.mp4
12_作业讲解题1：实现sigmoid函数与梯度实.mp4
13_作业讲解题2：单神经元神经网络(logistic)分类作业流程介绍.mp4
14_作业讲解题2：参数初始化与前向传播、反向传播.mp4
15_作业讲解题2：优化迭代实现、model逻辑实现.mp4
16_总结.mp4
3.浅层神经网络
01_浅层神经网络表示.mp4
02_浅层神经网络的前向传播.mp4
03_激活函数的选择.mp4
04_浅层神经网络的反向传播.mp4
05_作业介绍.mp4
06_作业实现：初始化模型与前向传播.mp4
07_作业实现：反向传播与更新梯度.mp4
08_作业实现：网络模型逻辑实现.mp4
09_总结.mp4
4.深层神经网络
01_深层神经网络表示.mp4
02_深层神经网络的反向传播过程.mp4
03_参数初始化与超参数介绍.mp4
1-2 深度学习优化进阶
1.多分类
01_深度学习紧接、多分类介绍.mp4
02_交叉熵损失原理.mp4
03_案例：Mnist手写数字数据介绍.mp4
04_案例：网络结构、流程、代码介绍.mp4
05_案例：主网络结构搭建实现.mp4
06_案例：添加准确率.mp4
07_案例：Tensorboard观察显示.mp4
08_案例：添加模型保存、预测.mp4
09_调整学习率带来的问题.mp4
`
2.梯度下降算法优化
01_深度学习遇到问题、为什么需要优化算法.mp4
02_Mini梯度下降与Batch梯度下降.mp4
03_指数加权平均.mp4
04_动量梯度下降原理公式理解.mp4
05_RMSProp与Adam原理与学习率递减.mp4
06_标准化输入带来的优化.mp4
07_作业介绍.mp4
08_作业讲解1.mp4
09_作业讲解2.mp4
3.深度学习正则化
01_深度学习偏差与方差介绍为、什么需要正则化.mp4
02_正则化概念、L2正则化与L1正则化.mp4
03_Droupout过程与原理理解.mp4
04_其它正则化方法-早停止法与数据增强.mp4
05_正则化作业介绍.mp4
06_作业讲解1.mp4
07_作业讲解2.mp4
4.神经网络调参与BN
01_神经网络调参数技巧与如何设置参数、如何运行.mp4
02_批标准化定义、公式、为什么有效.mp4
1-3 卷积神经网络
1.卷积网络原理
01_卷积来源、数据量与感受野的边缘检测.mp4
02_卷积网络结构介绍.mp4
03_默认卷积的运算过程.mp4
04_零填充.mp4
05_过滤器大小与步长.mp4
06_多通道的卷积与多卷积核.mp4
07_卷积总结.mp4
08_池化层.mp4
09_全连接层.mp4
2.经典分类结构
01_LeNet5的计算过程详解.mp4
02_常见网络结构介绍.mp4
03_Inception(1x1卷积介绍）.mp4
04_Inception结构以及改进.mp4
05_GoogleNet了解与卷积网络学习内容.mp4
3.CNN实战
01_作业介绍.mp4
02_作业讲解.mp4
03_迁移学习.mp4
1-4 循环神经网络
1.循环神经网络
01_循环神经网络背景介绍.mp4
02_循环神经网络结构原理.mp4
03_词的表示与矩阵形状运算.mp4
04_交叉熵损失计算.mp4
05_时间反向传播算法.mp4
06_梯度消失、案例介绍.mp4
07_手写RNN案例：单个cell前向传播.mp4
08_手写RNN案例：所有cell的前向传播.mp4
09_手写RNN案例：单个cell的反向传播.mp4
10_手写RNN案例：所有cell的反向传播.mp4
11_案例总结.mp4
12_GRU与LSTM介绍.mp4
2.词嵌入
01_词嵌入介绍.mp4
02_词嵌入案例.mp4
3.seq2seq与Attention机制
01_seq2seq介绍与理解.mp4
02_seq2seq机器翻译等场景介绍分析.mp4
03_Attention原理分析.mp4
04_机器翻译案例：日期格式翻译转换、代码结构介绍.mp4
05_机器翻译案例：模型参数定义.mp4
06_机器翻译案例：数据获取以及数据格式转换介绍.mp4
07_机器翻译案例：训练逻辑与网络结构介绍.mp4
08_机器翻译案例：网络输入输出逻辑介绍.mp4
09_机器翻译案例：网络输入输出逻辑编写.mp4
10_机器翻译案例：自定义网络seq2seq的编解码器定义.mp4
11_机器翻译案例：seq2seq的输出层定义.mp4
12_机器翻译案例：attention结构定义.mp4
13_机器翻译案例：model中计算attention输出c逻辑函数实现.mp4
14_机器翻译案例：训练逻辑编写.mp4
15_机器翻译案例：训练结果与问题解决.mp4
16_机器翻译案例：测试逻辑结果演示.mp4
17_集束搜索介绍.mp4
1-5 高级主题
1.生产对抗网络
01_高级主题介绍、GAN介绍.mp4
02_GAN原理、损失和DCGAN结构.mp4
03_生成数字图片案例：结果演示流程介绍.mp4
04_生成数字图片案例：模型初始化代码编写.mp4
05_生成数字图片案例：训练流程.mp4
06_生成数字图片案例：运行保存图片并对比.mp4
2.自动编码器
01_自动编码器介绍.mp4
02_案例：编码器类别、普通自编码器流程、模型初始化逻辑.mp4
03_案例：训练普通自编码器.mp4
04_案例：深度自编码器编写演示.mp4
05_案例：卷积自编码器编写演示.mp4
06_案例：降噪编码器介绍.mp4
07_案例：降噪编码器案例.mp4
3.CapsuleNet
01_CapsuleNet了解.mp4
02_深度学习课程总结.mp4
1-6 百度人脸识别
1.平台介绍
0_课程组成和目标.mp4
1_1_访问入口.mp4
1_2_机器学习平台_介绍.mp4
1_3_百度深度学习平台_介绍.mp4
1_4_百度深度学习平台_创建集群.mp4
1_5_百度人工智能平台_功能介绍.mp4
1_6_人工智能平台_服务开通.mp4
1_7_人工智能平台_访问方式和SDK安装.mp4
2.图像技术之人脸识别
2_1_1_人脸识别功能介绍_开通应用.mp4
2_1_2人脸识别_API.mp4
2_1_3_人脸检测_步骤和代码浏览.mp4
2_1_4_人脸检测_获取access_token.mp4
2_1_5_人脸检测_调用API.mp4
2_1_6_人脸检测_图像坐标.mp4
2_1_7_人脸检测_边框.mp4
2_1_8_人脸检测_性别年龄总结.mp4
2_1_9_人脸检测_SDK方式.mp4
3.图像技术之图像识别
2_2_1_图像识别功能_应用创建.mp4
2_2_2_图像识别_物体检测API_实例.mp4
2_2_3_图像检测识别_菜品识别.mp4
2_2_4_图像检测_车辆检测.mp4
2_2_5_定制化图像识别_图像分类_步骤.mp4
2_2_5_定制化图像识别_特点和功能.mp4
2_2_6_定制化图像识别_图像分类_操作.mp4
2_2_7_定制化图像识别_图像分类_关联和调用流程.mp4
2_2_8_定制化图像识别_图像分类_代码实现.mp4
2_2_9_定制化图像识别_图像分类_迭代和常见问题.mp4
2_2_10_定制化图像识别_物体检测_流程.mp4
2_2_11_定制化图像识别_物体检测API_错误码.mp4
4.图像技术之文字识别
2_3_1_功能介绍_创建应用.mp4
2_3_2_通用文字识别_代码.mp4
2_3_3_通用文字识别_其他版本函数.mp4
2_3_4_车牌识别.mp4
2_3_5_通用票据识别.mp4
2_3_6_自定义模板_步骤.mp4
2_3_7_自定义模板_实际创建.mp4
2_3_8_自定义模板_API和代码.mp4
2_3_9_创建分类器.mp4
2_3_10_分类器代码.mp4
5.语音技术
3_1_1_语音识别_介绍和API.mp4
3_1_2_语音识别案例_代码浏览.mp4
3_1_3_语音识别案例_案例.mp4
3_2_1语音合成.mp4
6.自然语言处理
4_1_1_自然语言处理基础技术.mp4
7.人脸识别打卡案例
5_1_0_人脸打卡案例_介绍.mp4
5_1_1_案例_前端部分介绍.mp4
5_1_2_案例_人脸搜索代码浏览.mp4
5_1_3_案例_获取token.mp4
5_1_4_案例_添加用户_人脸搜索.mp4
5_1_5_案例_主程序1.mp4
5_1_6_案例_主程序2.mp4
1-7 自然语言处理
1.自然语言处理基础概念
0.NLP介紹.mp4
1.NLP的种类.mp4
2.端对端深度学习模型.mp4
3.词袋.mp4
4.Seq2Seq.mp4
5.Beam Serch Decoding.mp4
6.Attention.mp4
2.自然语言处理基础实作-机器学习篇
1.机器学习-NLTK_数据读取.mp4
2.机器学习-NLTK_清理数据.mp4
3.机器学习-NLTK_大小写转换.mp4
4.机器学习-NLTK_去除虚词.mp4
5.机器学习-NLTK_词根化.mp4
6.机器学习-NLTK_还原字符串.mp4
7.机器学习-NLTK_稀疏矩阵.mp4
8.机器学习-NLTK_最大过滤.mp4
9.机器学习-NLTK_建立词袋模型.mp4
3.自然语言处理基础实作-深度学习篇
10.深度学习-Deep Learning in NLP.mp4
11.深度学习-Deep Learning in NLP_模型优化.mp4
12.深度学习-Deep Learning in NLP_模型加速.mp4
4.自然语言处理核心部分
1.CNN REIVEW.mp4
2.CNN CODE.mp4
3.RNN REVIEW.mp4
4.RNN CODE.mp4
5.LSTM.mp4
6.LSTM_CODE.mp4
7.文本分类.mp4
8.文本分类的方式.mp4
9.文本分类CNN&RNN.mp4
10. 文本分类 CNN 模型使用.mp4
11. 文本分类 RNN 搭建.mp4
5.实战项目-从无到有打造聊天机器人
00. chatbot.mp4
01. chatbot 搭建计画.mp4
02. chatbot 环境搭建下载数据集.mp4
03. chatbot 下载数据集.mp4
04. chatbot 导入依赖包.mp4
05. ChatBot 读取数据.mp4
06. chatbot 创建对話字典.mp4
07. ChatBot 建立对话列表.mp4
08. ChatBot 问答集.mp4
09. ChatBot 数据初步清洗.mp4
10. ChatBot 清理问题集&回答集.mp4
11. ChatBot 统计字频.mp4
12. ChatBot 标记化&去除少数字.mp4
13. ChatBot 最终标记.mp4
14. ChatBot 逆向字典.mp4
15. ChatBot 添加 EOS 标签.mp4
16. ChatBot 问答数列化.mp4
17. ChatBot 长短句.mp4
18. ChatBot input&output.mp4
19. ChatBot 处理输出.mp4
20. ChatBot 建立RNN 模型.mp4
21. ChatBot 解码器训练.mp4
22. ChatBot 解码器测试.mp4
23. ChatBot 创建解码RNN.mp4
24. ChatBot Seq2Seq 模型.mp4
25. ChatBot 設置超参数.mp4
26. ChatBot 启动运算.mp4
27. ChatBot 模型 input.mp4
28. ChatBot 模型輸入序列長度.mp4
29. ChatBot 設置輸入的数据形状.mp4
30. ChatBot训练 & 测试結果.mp4
31. ChatBot 损失，优化，梯度消減.mp4
32. ChatBot 问答等长处理.mp4
33. ChatBot 问答数据批量.mp4
34. ChatBot 数据分割.mp4
35. ChatBot 训练.mp4
36. ChatBot 训练2.mp4
37. ChatBot 测试.mp4
38. ChatBot 输入修飾.mp4
39. ChatBot 开始聊天.mp4
1-8 图片商品物体检测项目第一阶段-检测算法原理
1.目标检测概述
01_课程要求以及目标.mp4
02_项目演示结果.mp4
03_项目结构以及课程安排.mp4
04_图像识别背景.mp4
05_目标检测的定义和技术历史.mp4
06_目标检测应用场景.mp4
07_目标检测算法原理铺垫.mp4
08_目标检测任务描述.mp4
2.RCNN原理
01_Overfeat模型.mp4
02_RCNN：步骤流程介绍.mp4
03_RCNN：候选区域以及特征提取.mp4
04_RCNN：SVM分类器.mp4
05_RCNN：非极大抑制（NMS）.mp4
06_RCNN：候选区域修正.mp4
07_RCNN：训练过程与测试过程介绍.mp4
08_RCNN：总结、优缺点与问题自测.mp4
3.SPPNet原理
01_SPPNet：与RCNN的区别、网络流程.mp4
02_SPPNet：映射.mp4
03_SPPNet：SPP层的作用.mp4
04_SPPNet：总结、优缺点与问题自测.mp4
4.FastRCNN原理
01_FastRCNN：改进之处以及网络流程.mp4
02_FastRCNN：RoI pooling结构以及SPP对比.mp4
03_FastRCNN：多任务损失.mp4
04_FastRCNN：总结与问题自测.mp4
5.FasterRCNN原理
01_FasterRCNN：网络结构与步骤.mp4
02_FasterRCNN：RPN网络的原理.mp4
03_FasterRCNN：总结与问题自测.mp4
6.YOLO原理
01_YOLO：算法特点与流程介绍.mp4
02_YOLO：单元格原理过程.mp4
03_YOLO：训练过程样本标记.mp4
04_YOLO：总结.mp4
7.SSD原理
01_SSD：网络结构与Detected结构.mp4
02_SSD：localization与confidence.mp4
03_SSD：训练与测试流程总结.mp4
04_TensorflowSSD接口介绍.mp4
05_第一阶段算法总结.mp4
1-9 图片商品物体检测项目第二阶段-数据集制作与处理
1.数据集标记
01_目标检测数据集介绍.mp4
02_商品数据集标记.mp4
2.数据集格式转换
01_数据集格式转换介绍.mp4
02_格式转换：代码介绍.mp4
03_格式转换：文件读取以及存储逻辑.mp4
04_格式转换：图片数据以及XML读取.mp4
05_格式转换：example封装、总结.mp4
3.TFRecords读取
01_slim库介绍.mp4
02_TFRecord读取：Dataset准备.mp4
03_TFRecord读取：provider读取.mp4
04_第二阶段总结.mp4
1-10 图片商品物体检测项目第三阶段-项目实现与部署
1.项目架构
01_项目架构设计.mp4
02_训练与测试整体结构设计.mp4
10.TFServing客户端
01_Tensorflow serving client逻辑.mp4
02_Client：用户输入图片处理.mp4
03_Client：gRPC与serving apis介绍.mp4
04_Client：客户端建立连接获取结果代码.mp4
05_Client：结果解析.mp4
06_Client：结果标记返回.mp4
11.服务器部署
01_服务器部署：服务器部署的代码文件需求、服务开启.mp4
02_项目总结.mp4
2.数据接口实现
01_数据接口：商品格式转换实现.mp4
02_数据接口：读取数据接口设计以及基类如何定义.mp4
03_数据接口：商品数据读取子类实现.mp4
04_数据接口：数据读取工厂逻辑实现.mp4
05_数据接口：代码运行与数据模块总结.mp4
3.模型接口实现
01_模型接口：接口设置以及模型工厂代码.mp4
4.预处理接口实现
01_预处理接口：预处理需求介绍、数据增强介绍.mp4
02_预处理接口：预处理工厂代码.mp4
03_预处理接口：预处理工厂代码参数错误调整.mp4
04_数据接口、模型接口、预处理接口参数总结.mp4
5.训练过程实现
01_训练：训练步骤与设备部署介绍.mp4
02_训练：model_deploy介绍.mp4
03_训练：训练运行结果显示与初始配置确定.mp4
04_训练：1设备配置代码以及全局步数定义.mp4
05_训练：2图片数据读取与处理逻辑介绍.mp4
06_训练：2数据模块与网络模型获取结果.mp4
07_训练：2网络参数修改、provider获取数据、预处理.mp4
08_训练：2NHWC和NCHW介绍.mp4
09_训练：2对anchors进行正负样本标记.mp4
10_训练：2批处理获取以及数据形状变换.mp4
11_训练：2队列设置.mp4
12_训练：3复制模型、添加参数观察与4添加学习率和优化器.mp4
13_训练：5总损失计算与变量平均梯度计算6训练配置.mp4
14_训练：训练流程总结.mp4
6.测试过程实现
01_测试：测试流程介绍、代码.mp4
02_测试：图片输入、结果标记代码.mp4
7.模型部署介绍
01_web服务与模型部署流程关系介绍.mp4
02_本地TensorFlow Serving演示以及逻辑介绍.mp4
8.导出模型
01_模型导出：模型输入输出定义.mp4
02_模型导出：Savedmodel导出模型.mp4
9.打开模型服务
01_开启模型服务.mp4
百度网盘下载地址：
|
|
发表于 2019-8-30 16:32:13
收藏
发表于 2019-10-25 11:59:52
