最新人工智能深度学习快速入门视频教程

admin

最新人工智能深度学习快速入门视频教程
资源描述及截图：
├─01.课程介绍
│      01.深度学习.mp4
│      02.DL发展历史.mp4
│      03.计算机视觉定义与任务.mp4
│      04.CV的应用领域.mp4
│      05.CV的发展历史.mp4
│      
├─02.tensorflow
│  ├─01.tensorflow和keras简介
│  │      01.tensorflow简介.mp4
│  │      02.tensorflow安装方法.mp4
│  │      03.张量是什么.mp4
│  │      04.张量的基本操作.mp4
│  │      05.张量转换成numpy.mp4
│  │      06.张量的常用函数.mp4
│  │      07.变量variable.mp4
│  │      08.tf.keras简介和常用模块.mp4
│  │      09.tf.keras的常用方法.mp4
│  │      10.tf和keras总结.mp4
│  │      
│  └─02.快速入门模型- t5
│          01.快速入门模型简介.mp4
│          02.数据集处理.mp4
│          03.sklearn实现分类.mp4
│          04.tf.keras实现-数据处理.mp4
│          05.tf.keras实现-模型构建.mp4
│          06.tf.keras实现-模型训练与评估.mp4
│          07.tf.keras实现总结.mp4
│         
├─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
│  │      02.神经网络简介.mp4
│  │      03.神经元的工作方式.mp4
│  │      04.激活函数sigmoid.mp4
│  │      05.激活函数tanh.mp4
│  │      06.激活函数relu.mp4
│  │      07.激活函数leakyrelu.mp4
│  │      08.激活函数softmax.mp4
│  │      09.其他激活函数及选择.mp4
│  │      10.参数初始化.mp4
│  │      11.Xavier初始化.mp4
│  │      12.He初始化.mp4
│  │      13.神经网络的构建方式.mp4
│  │      14.sequential构建方式.mp4
│  │      15.functional API构建方式.mp4
│  │      16.Model 子类构建方式.mp4
│  │      17.神经网络优缺点及历史.mp4
│  │      19.损失函数是什么.mp4
│  │      20.交叉熵损失函数.mp4
│  │      21.二分类的交叉熵损失函数.mp4
│  │      22.MAE损失.mp4
│  │      23.MSE损失.mp4
│  │      24.smooth L1损失.mp4
│  │      25.神经网络的优化方法.mp4
│  │      26.梯度下降算法.mp4
│  │      27.epoch,batch和iteration.mp4
│  │      28.前向传播，反向传播和链式法则.mp4
│  │      29.BP算法.mp4
│  │      30.梯度下降存在的问题及指数加权平均值.mp4
│  │      31.动量梯度下降算法.mp4
│  │      32.adagrad.mp4
│  │      33.RMSprop.mp4
│  │      34.Adam.mp4
│  │      35.学习率退火.mp4
│  │      36.总结.mp4
│  │      37.正则化及L1L2正则化的使用.mp4
│  │      38.dropout.mp4
│  │      39.提前停止.mp4
│  │      40.BN层及总结.mp4
│  │      
│  └─02.卷积神经网络
│          01.mnist案例简介与数据加载.mp4
│          02.mnist案例简数据处理.mp4
│          03.mnist案例模型构建.mp4
│          04.mnist案例模型编译与训练.mp4
│          05.mnist案例tensorboard使用.mp4
│          06.mnist案例模型评估与保存.mp4
│          07.全连接网络处理图像存在的问题.mp4
│          08.CNN网络的组成.mp4
│          09.卷积层的介绍.mp4
│          10.池化层和全连接层的介绍.mp4
│          11.LeNet-5数据加载与处理.mp4
│          12.LeNet-5的模型构建.mp4
│          13.LeNet-5的模型编译，训练和评估.mp4
│          14.CNN网络总结.mp4
│         
├─04.图像分类
│       01.图像分类简介.mp4
│       02.Alex简介和网络结构.mp4
│       03.AlexNet网络构建.mp4
│       04.AlexNet网络数据读取.mp4
│       05.AlexNet模型训练与评估.mp4
│       06.VGG简介与网络架构.mp4
│       07.VGG网络构建.mp4
│       08.VGG进行手写数字识别.mp4
│       09.GoogleNet简介和Inception简介.mp4
│       10.Inception模块的构建.mp4
│       11.GoogLeNet构成和B1模块实现.mp4
│       12.B2和B3模块实现.mp4
│       13.B4模块实现.mp4
│       14.B5模块实现.mp4
│       15.手写数字识别实现.mp4
│       16.inceptionV2,V3和总结.mp4
│       17.ResNet简介和残差块.mp4
│       18.残差块的实现.mp4
│       19.resNet简介.mp4
│       20.resNet中残差模块的构建.mp4
│       21.resNet模型构建.mp4
│       22.resNet手写数字识别.mp4
│       23.常用的图像增强方法.mp4
│       24.tf.image进行图像增强.mp4
│       26.模型微调.mp4
│       27.数据集获取.mp4
│       28.微调模型训练.mp4
│      
├─ 代码
└─ 讲义

游客，如果您要查看本帖隐藏内容请回复