本课程使用原理讲解加实战的方式对深度学习中的卷积神经网络（CNN）、循环神经网络（RNN）、对抗神经网络（GAN）进行深入浅出的讲解。通过图像分类、文本分类、图像风格转换、图像文本生成、图像翻译等项目，让学员获得灵活使用CNN、RNN、GAN的能力、深度学习算法调参的能力和使用Tensorflow进行编程的能力，提升深度学习算法能力与项目开发经验。
目录：
1-1 课程导学.mp4
2-1 机器学习、深度学习简介.mp4
2-2 神经元-逻辑斯底回归模型.mp4
2-3 神经元多输出.mp4
2-4 梯度下降.mp4
2-5 数据处理与模型图构建(1).mp4
2-6 数据处理与模型图构建(2).mp4
2-7 神经元实现（二分类逻辑斯蒂回归模型实现）.mp4
2-8 神经网络实现（多分类逻辑斯蒂回归模型实现）.mp4
3-1 神经网络进阶.mp4
3-2 卷积神经网络（1）.mp4
3-3 卷积神经网络（2）.mp4
3-4 卷积神经网络实战.mp4
4-1 卷积神经网络进阶（alexnet）.mp4
4-2 卷积神经网络进阶（Vggnet-Resnet）.mp4
4-3 卷积神经网络进阶（inception-mobile-net）.mp4
4-4 VGG-ResNet实战（1）.mp4
4-5 VGG-ResNet实战（2）.mp4
4-6 Inception-mobile_net（1）.mp4
4-7 Inception-mobile_net（2）.mp4
5-1 adagrad_adam.mp4
5-10 批归一化实战（1）.mp4
5-11 批归一化实战（2）.mp4
5-2 激活函数到调参技巧（1）.mp4
5-3 激活函数到调参技巧（2）.mp4
5-4 Tensorboard实战（1）.mp4
5-5 Tensorboard实战（2）.mp4
5-6 fine-tune-实战.mp4
5-7 activation-initializer-optimizer-实战.mp4
5-8 图像增强api使用.mp4
5-9 图像增强实战.mp4
6-1 卷积神经网络的应用.mp4
6-10 图像风格转换效果展示.mp4
6-11 图像风格转换V2算法.mp4
6-12 图像风格转换V3算法.mp4
6-2 卷积神经网络的能力.mp4
6-3 图像风格转换V1算法.mp4
6-4 VGG16预训练模型格式.mp4
6-5 VGG16预训练模型读取函数封装.mp4
6-6 VGG16模型搭建与载入类的封装.mp4
6-7 图像风格转换算法定义输入与调用VGG-Net.mp4
6-8 图像风格转换计算图构建与损失函数计算.mp4
6-9 图像风格转换训练流程代码实现.mp4
7-1 序列式问题.mp4
7-10 超参数定义.mp4
7-11 词表封装与类别封装.mp4
7-12 数据集封装.mp4
7-13 计算图输入定义.mp4
7-14 计算图实现.mp4
7-15 指标计算与梯度算子实现.mp4
7-16 训练流程实现.mp4
7-17 LSTM单元内部结构实现.mp4
7-18 TextCNN实现.mp4
7-19 循环神经网络总结.mp4
7-2 循环神经网络.mp4
7-3 长短期记忆网络.mp4
7-4 基于LSTM的文本分类模型(TextRNN与HAN).mp4
7-5 基于CNN的文本分类模型(TextCNN).mp4
7-6 RNN与CNN融合解决文本分类.mp4
7-7 数据预处理之分词.mp4
7-8 数据预处理之词表生成与类别表生成.mp4
7-9 实战代码模块解析.mp4
8-1 图像生成文本问题引入-.mp4
8-10 图像特征抽取(1)-文本描述文件解析.mp4
8-11 图像特征抽取(2)-InceptionV3预训练模型抽取图像特征.mp4
8-12 输入输出文件与默认参数定义.mp4
8-13 词表载入.mp4
8-14 文本描述转换为ID表示.mp4
8-15 ImageCaptionData类封装-图片特征读取.mp4
8-16 ImageCaptionData类封装-批数据生成.mp4
8-17 计算图构建-辅助函数实现.mp4
8-18 计算图构建-图片与词语embedding.mp4
8-19 计算图构建-rnn结构实现、损失函数与训练算子实现.mp4
8-2 图像生成文本评测指标.mp4
8-20 训练流程代码.mp4
8-21 文本生成图像问题引入与本节课总结.mp4
8-3 Encoder-Decoder框架与Beam Search算法生成文本.mp4
8-4 Multi-Modal RNN模型.mp4
8-5 Show and Tell模型.mp4
8-6 Show attend and Tell 模型.mp4
8-7 Bottom-up Top-down Attention模型.mp4
8-8 图像生成文本模型对比与总结.mp4
8-9 数据介绍，词表生成.mp4
9-1 对抗生成网络原理.mp4
9-10 对抗生成网络总结.mp4
9-11 DCGAN实战引-.mp4
9-12 数据生成器实现.mp4
9-13 DCGAN生成器-实现.mp4
9-14 DCGAN判别-实现.mp4
9-15 DCGAN计算图构建实现与损失函数实现.mp4
9-16 DCGAN训练算子实现.mp4
9-17 训练流程实现与效果展示.mp4
9-2 深度卷积对抗生成网络DCGAN(1).mp4
9-3 反卷积.mp4
9-4 深度卷积对抗生成网络DCGAN(2).mp4
9-5 图像翻译Pix2Pix.mp4
9-6 无配对图像翻译CycleGAN(1).mp4
9-7 无配对图像翻译CycleGAN(2).mp4
9-8 多领域图像翻译StarGAN.mp4
9-9 文本生成图像Text2Img.mp4
10-1 AutoML引入.mp4
10-2 自动网络结构搜索算法一.mp4
10-3 自动网络结构搜索算法一的分布式训练.mp4
10-4 自动网络结构搜索算法二.mp4
10-5 自动网络结构搜索算法三.mp4
11-1 课程总结.mp4
coding-259-master.zip
评论0