https://edu.csdn.net/course/play/8211/168728
第一章:深度学习必备基础知识点
- 01. 深度学习概述11:27
- 02. 挑战与常规套路9:40
- 03. 用K近邻来进行分类10:01
- 04. 超参数与交叉验证10:30
- 05. 线性分类9:34
- 06. 损失函数9:17
- 07. 正则化惩罚项7:19
- 08. softmax分类器13:38
- 09. 最优化形象解读6:46
- 10. 最优化问题细节11:48
- 11. 反向传播15:16
- 12. Alexnet加载训练好的参数11:23
第二章:探索神经网络整体架构
- 1. 整体架构10:11
- 2. 实例演示10:38
- 3. 过拟合解决方案15:53
第三章:卷积与递归神经网络
- 1. 卷积神经网络的应用14:55
- 2. 卷积层解释12:53
- 3. 卷积计算过程12:30
- 4. pading与stride13:13
- 5. 卷积参数共享8:09
- 6. 池化层原理8:24
- 7. 递归神经网络(RNN)概述8:39
- 8. RNN网络细节11:54
- 9. LSTM网络架构12:36
第四章:深度学习框架Tensorflow必备基础
- 1. Tensorflow安装与简介15:46
- 2. Tensorflow中的变量8:10
- 3. 变量常用操作13:38
- 4. Tensorflow实现线性回归15:14
- 5. Mnist数据集概述12:53
- 6. 逻辑回归15:26
第五章:Tensorflow实战卷积神经网络
- 01. 神经网络结构16:21
- 02. 卷积神经网络基本定义17:42
- 03. 卷积神经网络迭代13:53
- 04. 猫狗识别任务概述13:18
- 05. 猫狗识别数据读取12:03
- 06. 猫狗识别网络架构18:05
- 07. 猫狗迭代训练网络16:44
- 08. 猫狗测试网络效果8:39
- 09. Cifar-10图像分类任务16:17
- 10. Alexnet环境配置15:19
- 11. Alexnet数据读取与参数设置11:56
- 12. Alexnet网络结构定义10:14
- 13. CNN应用于文本分类任务13:28
- 14. 文本分类任务特征定义15:55
- 15. 卷积网络定义8:20
- 16. 完成预测分类任务15:10
- 17. resnet网络原理13:21
- 18. resnet网络流程设计11:46
- 19. 残差网络实现细节16:52
第六章:Tensorflow实战递归神经网络
- 01. RNN网络基本架构11:58
- 02. 实现RNN网络架构13:27
- 03. RNN实现自己的小demo13:54
- 04. RNN预测时间序列18:49
- 05. 可视化展示-Tensorboard可视化展示12:15
- 06. 可视化展示-Tensorboard展示效果13:39
- 07. 可视化展示-Tensorboard统计可视展示10:16
- 08. 可视化展示-Tensorboard参数对结果影响展示17:14
- 09. 构建数据集-tfrecord生成自己的数据集12:39
- 10. 构建数据集-tfrecord读取数据11:55
- 11. 构建数据集-tfrecord生成数据源18:13
- 12. 构建数据集-加载tfrecord进行分类任务24:26
第七章:图像识别项目实战
- 01. 验证码识别-验证码数据生成10:43
- 02. 验证码识别-构造网络的输入数据和标签11:57
- 03. 验证码识别-卷积网络模型定义13:24
- 04. 验证码识别-迭代及测试网络效果10:56
- 05. 对抗生成网络-对抗生成网络原理概述10:24
- 06. 对抗生成网络-GAN网络结构定义10:07
- 07. 对抗生成网络-Gan迭代生成11:53
- 08. 对抗生成网络-DCGAN网络特性7:38
- 09. 对抗生成网络-DCGAN训练11:53
- 10. 风格转换-style-transfer基本原理7:35
- 11. 风格转换-风格生成网络结构原理7:06
- 12. 风格转换-风格生成网络细节11:52
- 13. 风格转换-风格转换效果展示10:14
- 14. 风格转换-参数解释与配置9:38
- 15. 风格转换-数据加载10:51
- 16. 风格转换-特征提取网络12:40
- 17. 风格转换-网络训练18:49
- 18. 风格转换-视频与图像测试模块13:18
- 19. 图像补全-论文概述10:02
- 20. 图像补全-网络架构11:03
- 21. 图像补全-细节设计8:01
- 22. 图像补全-论文总结9:19
- 23. 图像补全-数据与项目概述10:07
- 24. 图像补全-参数基本设计9:15
- 25. 图像补全-网络结构配置12:21
- 26. 图像补全-网络迭代训练16:54
- 27. 图像补全-测试模块5:24
- 28. 超分辨率重构-论文概述5:17
- 29. 超分辨率重构-网络架构8:48
- 30. 超分辨率重构-数据与环境配置7:49
- 31. 超分辨率重构-数据加载与配置8:34
- 32. 超分辨率重构-生成模块7:32
- 33. 超分辨率重构-判别模块6:57
- 34. 超分辨率重构-VGG特征提取网络6:18
- 35. 超分辨率重构-损失函数与训练11:47
- 36. 超分辨率重构-测试模块7:59
第八章:自然语言处理项目实战
- 01. 行为识别-任务概述6:51
- 02. 行为识别-数据与网络设计13:17
- 03. 行为识别-网络迭代训练8:47
- 04. 情感分析-RNN网络架构12:21
- 05. 情感分析-LSTM网络架构12:00
- 06. 情感分析-案例:使用LSTM进行情感分类13:13
- 07. 情感分析-情感数据集处理13:06
- 08. 情感分析-基于word2vec的LSTM模型17:14
- 09. 对话机器人-效果演示8:27
- 10. 对话机器人-参数配置与数据加载12:55
- 11. 对话机器人-数据处理8:52
- 12. 对话机器人-词向量与投影9:18
- 13. 对话机器人-seq网络8:23
- 14. 对话机器人-网络训练6:55
- 15. word2vec-数据与任务流程10:36
- 16. word2vec-数据清洗6:34
- 17. word2vec-batch数据制作12:24
- 18. word2vec-网络训练12:36
- 19. word2vec-可视化展示6:19
第九章:物体检测-Faster-Rcnn实战
- 01. 物体检测概述13:27
- 02. 经典检测方法17:11
- 03. faster-rcnn概述11:21
- 04. 论文概述16:07
- 05. RPN网络结构18:32
- 06. 损失函数定义20:26
- 07. 网络细节16:10
- 08. 环境配置19:16
- 09. 项目概述13:29
- 10. 数据处理12:59
- 11. 数据变换9:35
- 12. 完成数据读取18:57
- 13. 特征提取12:27
- 14. RPN网络层17:45
- 15. 提取网络细节16:13
- 16. 网络训练迭代17:44
第一十章:机器学习翻译框架NMT实战
- 01. 网络架构7:16
- 02. Seq2Seq网络基本架构9:10
- 03. Seq2Seq网络应用9:10
- 04. Attention机制13:02
- 05. 构建自己的输入法-数据准备17:08
- 06. 构建自己的输入法-网络结构概述8:53
- 07. 3-加载数据11:01
- 08. 4-训练测试模型14:31
- 09. 1-机器翻译框架概述16:59
- 10. 机器翻译框架NMT-参数设置14:34
- 11. 机器翻译框架NMT-数据加载19:09
- 12. 机器翻译框架NMT-网络结构定义20:26
- 13. 机器翻译框架NMT-训练模型