#独家
人工智能-计算机视觉实战之路-系列课程

2023-02-11

人工智能-计算机视觉实战之路(必备算法+深度学习+项目实战)课程介绍:

人工智能-计算机视觉实战之路-系列课程

人工智能-计算机视觉实战之路封面图

系列课程主要分为3大阶段:(1)首先学习计算机视觉必备算法原理,结合Opencv进行学习与练手,通过实际视项目进行案例应用展示。(2)进军当下最火的深度学习进行视觉任务实战,学习深度学习中必备算法原理与网络模型架构。(3)结合经典深度学习框架与实战项目进行实战,基于真实数据集展开业务分析与建模实战。

系列课包含:

第一阶段:  Python工具包实战与机视觉必备基础
学习计算机视觉必备基础知识点与Opencv工具使用,结合项目进行实战!

第二阶段:  进军AI-深度学习
学习深度学习经典网络模型原理与应用技巧

第三阶段:  深度学习实战-经典视觉项目
使用深度学习框架进行项目实战,基于真实数据集,从零开始进行建模与分析实战!

课程目录:

——/唐YD人工智能-计算机视觉实战之路(必备算法+深度学习+项目实战)/
└──第一阶段:Python工具包实战与机视觉必备基础
| ├──Python入门与数据科学库(ID-11978)
| | ├──1-1 Python环境配置.mp4 66.10M
| | ├──1-10 字典核心操作.mp4 41.79M
| | ├──1-11 Set结构.mp4 39.45M
| | ├──1-12 赋值机制.mp4 9.89M
| | ├──1-13 判断结构.mp4 21.61M
| | ├──1-14 循环结构.mp4 38.36M
| | ├──1-15 函数定义.mp4 45.82M
| | ├──1-16 模块与包.mp4 49.01M
| | ├──1-17 异常处理模块.mp4 77.97M
| | ├──1-18 文件操作.mp4 73.69M
| | ├──1-19 类的基本定义.mp4 48.16M
| | ├──1-2 Python库安装工具.mp4 44.81M
| | ├──1-20 类的属性操作.mp4 57.99M
| | ├──1-21 时间操作.mp4 25.53M
| | ├──1-22 Python练习题-1.mp4 54.05M
| | ├──1-23 Python练习题-2.mp4 78.00M
| | ├──1-24 Python练习题-3.mp4 47.19M
| | ├──1-25 Python练习题-4.mp4 50.56M
| | ├──1-3 Notebook工具.mp4 97.38M
| | ├──1-4 Python简介.mp4 64.46M
| | ├──1-5 Python数值运算.mp4 52.30M
| | ├──1-6 Python字符串操作.mp4 47.17M
| | ├──1-7 List基础结构.mp4 42.38M
| | ├──1-8 List核心操作.mp4 46.58M
| | ├──1-9 字典基础定义.mp4 27.71M
| | ├──2-1 Numpy概述.mp4 36.92M
| | ├──2-10 四则运算.mp4 34.20M
| | ├──2-11 随机模块.mp4 61.26M
| | ├──2-12 文件读写.mp4 40.59M
| | ├──2-13 数组保存.mp4 53.11M
| | ├──2-14 练习题-1.mp4 56.40M
| | ├──2-15 练习题-2.mp4 58.24M
| | ├──2-16 练习题-3.mp4 77.56M
| | ├──2-2 Array数组.mp4 37.29M
| | ├──2-3 数组结构.mp4 75.58M
| | ├──2-4 数组类型.mp4 27.65M
| | ├──2-5 数值运算.mp4 54.87M
| | ├──2-6 排序操作.mp4 46.02M
| | ├──2-7 数组形状操作.mp4 69.35M
| | ├──2-8 数组生成函数.mp4 52.65M
| | ├──2-9 常用生成函数.mp4 32.62M
| | ├──3-1 Pandas概述.mp4 56.76M
| | ├──3-10 数据透视表.mp4 60.64M
| | ├──3-11 时间操作.mp4 46.49M
| | ├──3-12 时间序列操作.mp4 55.90M
| | ├──3-13 常用操作.mp4 55.01M
| | ├──3-14 常用操作2.mp4 55.26M
| | ├──3-15 Groupby操作延伸.mp4 91.49M
| | ├──3-16 字符串操作.mp4 31.73M
| | ├──3-17 索引进阶.mp4 42.27M
| | ├──3-18 pandas绘图.mp4 67.35M
| | ├──3-19 大数据处理技巧.mp4 128.48M
| | ├──3-2 Pandas基本操作.mp4 67.56M
| | ├──3-3 Pandas索引.mp4 61.53M
| | ├──3-4 groupby操作.mp4 45.21M
| | ├──3-5 数值运算.mp4 52.71M
| | ├──3-6 对象基本操作.mp4 46.78M
| | ├──3-7 对象操作细节.mp4 47.03M
| | ├──3-8 merge操作.mp4 53.32M
| | ├──3-9 显示设置.mp4 33.81M
| | ├──4-1 Matplot概述.mp4 46.92M
| | ├──4-10 绘图细节设置2.mp4 55.15M
| | ├──4-11 直方图与散点图.mp4 71.65M
| | ├──4-12 3D图绘制.mp4 82.74M
| | ├──4-13 pie图.mp4 63.07M
| | ├──4-14 子图布局.mp4 64.96M
| | ├──4-15 结合pandas与sklearn.mp4 60.62M
| | ├──4-2 子图与标注.mp4 94.31M
| | ├──4-3 风格设置.mp4 20.22M
| | ├──4-4 条形图.mp4 50.21M
| | ├──4-5 条形图细节.mp4 50.85M
| | ├──4-6 条形外观.mp4 54.78M
| | ├──4-7 盒图绘制.mp4 35.97M
| | ├──4-8 盒图细节.mp4 61.55M
| | ├──4-9 绘图细节设置.mp4 56.32M
| | ├──5-1 简介.mp4 8.95M
| | ├──5-10 Facetgrid使用方法.mp4 33.39M
| | ├──5-11 绘制多变量.mp4 34.45M
| | ├──5-12 热度图绘制.mp4 55.47M
| | ├──5-2 整体布局风格设置.mp4 31.64M
| | ├──5-3 风格细节设置.mp4 27.88M
| | ├──5-4 调色板.mp4 36.81M
| | ├──5-5 调色板颜色设置.mp4 31.98M
| | ├──5-6 单变量分析绘图.mp4 44.35M
| | ├──5-7 回归分析绘图.mp4 41.15M
| | ├──5-8 多变量分析绘图.mp4 45.91M
| | ├──5-9 分类属性绘图.mp4 43.62M
| | └──资料.7z 33.27M
| ├──计算机视觉-Opencv项目实战(Python版)(ID-16729)
| | └──全部数据代码下载
| └──计算机视觉-Opencv项目实战(Python版)(ID-16729)
| | ├──全部数据代码下载
| | ├──1-1 课程简介.mp4 5.05M
| | ├──1-2 Python与Opencv的配置.mp4 33.48M
| | ├──1-3 Notebook与IDE环境配置.mp4 54.39M
| | ├──10-1 整体流程演示.mp4 21.13M
| | ├──10-2 文档轮廓提取.mp4 25.84M
| | ├──10-3 坐标变换计算.mp4 25.33M
| | ├──10-4 透视变换结果.mp4 30.51M
| | ├──10-5 tesseract-ocr安装配置.mp4 26.83M
| | ├──10-6 文档扫描识别结果.mp4 22.81M
| | ├──11-1 角点检测基本原理.mp4 16.48M
| | ├──11-2 基本数学原理.mp4 28.00M
| | ├──11-3 求解化简.mp4 28.74M
| | ├──11-4 特征归属划分.mp4 34.83M
| | ├──11-5 opencv角点检测.mp4 21.34M
| | ├──12-1 尺度空间定义.mp4 19.82M
| | ├──12-2 高斯差分金字塔.mp4 21.17M
| | ├──12-3 特征关键点定位.mp4 43.82M
| | ├──12-4 生成特征描述.mp4 20.93M
| | ├──12-5 特征向量生成.mp4 32.64M
| | ├──12-6 opencv中的sift函数.mp4 25.25M
| | ├──13-1 特征匹配方法.mp4 26.96M
| | ├──13-2 RANSAC算法.mp4 29.81M
| | ├──13-3 图像拼接方法.mp4 37.25M
| | ├──13-4 流程解读.mp4 19.51M
| | ├──14-1 任务整体流程.mp4 47.80M
| | ├──14-2 所需数据介绍.mp4 26.91M
| | ├──14-3 图像数据预处理.mp4 44.10M
| | ├──14-4 车位直线检测.mp4 55.12M
| | ├──14-5 按列划分区域.mp4 51.81M
| | ├──14-6 车位区域划分.mp4 50.13M
| | ├──14-7 识别模型构建.mp4 32.79M
| | ├──14-8 基于视频的车位检测.mp4 53.05M
| | ├──15-1 整体流程与效果概述.mp4 25.81M
| | ├──15-2 预处理操作.mp4 23.38M
| | ├──15-3 填涂轮廓检测.mp4 24.44M
| | ├──15-4 选项判断识别.mp4 47.98M
| | ├──16-1 背景消除-帧差法.mp4 20.92M
| | ├──16-2 混合高斯模型.mp4 23.97M
| | ├──16-3 学习步骤.mp4 26.69M
| | ├──16-4 背景建模实战.mp4 31.92M
| | ├──17-1 基本概念.mp4 20.88M
| | ├──17-2 Lucas-Kanade算法.mp4 17.53M
| | ├──17-3 推导求解.mp4 22.36M
| | ├──17-4 光流估计实战.mp4 48.67M
| | ├──18-1 DNN模块.mp4 29.40M
| | ├──18-2 模型加载与输出结果.mp4 38.13M
| | ├──19-1 目标追踪概述.mp4 51.49M
| | ├──19-2 多目标追踪实战.mp4 27.66M
| | ├──19-3 深度学习检测框架加载.mp4 39.33M
| | ├──19-4 基于dlib和ssd的追踪.mp4 47.37M
| | ├──19-5 多进程目标追踪.mp4 23.35M
| | ├──19-6 效率提升对比.mp4 39.31M
| | ├──2-1 计算机眼中的图像.mp4 28.15M
| | ├──2-2 视频的读取与处理.mp4 36.38M
| | ├──2-3 ROI区域.mp4 13.46M
| | ├──2-4 边界填充.mp4 21.27M
| | ├──2-5 数值计算.mp4 32.31M
| | ├──20-1 卷积网络的应用.mp4 45.12M
| | ├──20-2 卷积层解释.mp4 22.55M
| | ├──20-3 卷积计算过程.mp4 30.22M
| | ├──20-4 padding与stride.mp4 26.91M
| | ├──20-5 卷积参数共享.mp4 18.82M
| | ├──20-6 池化层原理.mp4 17.30M
| | ├──20-7 卷积效果演示.mp4 22.70M
| | ├──20-8 卷积操作流程.mp4 34.07M
| | ├──21-1 关键点定位概述.mp4 25.71M
| | ├──21-2 获取人脸关键点.mp4 29.77M
| | ├──21-3 定位效果演示.mp4 37.60M
| | ├──21-4 闭眼检测.mp4 33.52M
| | ├──21-5 检测效果.mp4 36.36M
| | ├──3-1 图像阈值.mp4 29.99M
| | ├──3-2 图像平滑处理.mp4 22.99M
| | ├──3-3 高斯与中值滤波.mp4 18.79M
| | ├──4-1 腐蚀操作.mp4 18.53M
| | ├──4-2 膨胀操作.mp4 9.69M
| | ├──4-3 开运算与闭运算.mp4 8.01M
| | ├──4-4 梯度计算.mp4 7.05M
| | ├──4-5 礼帽与黑帽.mp4 11.04M
| | ├──5-1 Sobel算子.mp4 25.60M
| | ├──5-2 梯度计算方法.mp4 25.49M
| | ├──5-3 scharr与Laplace算子.mp4 22.23M
| | ├──6-1 Canny边缘检测流程.mp4 17.11M
| | ├──6-2 非极大值抑制.mp4 15.95M
| | ├──6-3 边缘检测效果.mp4 26.73M
| | ├──7-1 图像金字塔定义.mp4 18.65M
| | ├──7-2 金字塔制作方法.mp4 22.14M
| | ├──7-3 轮廓检测方法.mp4 17.09M
| | ├──7-4 轮廓检测结果.mp4 26.46M
| | ├──7-5 轮廓特征与近似.mp4 34.26M
| | ├──7-6 模板匹配方法.mp4 39.45M
| | ├──7-7 匹配效果展示.mp4 18.34M
| | ├──8-1 直方图定义.mp4 22.47M
| | ├──8-2 均衡化原理.mp4 29.71M
| | ├──8-3 均衡化效果.mp4 24.29M
| | ├──8-4 傅里叶概述.mp4 25.71M
| | ├──8-5 频域变换结果.mp4 25.95M
| | ├──8-6 低通与高通滤波.mp4 24.15M
| | ├──9-1 总体流程与方法讲解.mp4 20.98M
| | ├──9-2 环境配置与预处理.mp4 29.00M
| | ├──9-3 模板处理方法.mp4 22.82M
| | ├──9-4 输入数据处理方法.mp4 28.89M
| | ├──9-5 模板匹配得出识别结果.mp4 40.03M
| | └──资料.7z 542.54M

| ├──【新版更新】人工智能-深度学习入门视频课程(下篇)(ID-6809)
| | ├──1-1 卷积神经网络应用领域.mp4 26.64M
| | ├──1-10 VGG网络架构.mp4 20.55M
| | ├──1-11 1残差网络Resnet.mp4 18.38M
| | ├──1-12 RNN网络细节.mp4 17.68M
| | ├──1-13 感受野的作用.mp4 16.77M
| | ├──1-2 卷积的作用.mp4 23.60M
| | ├──1-3 卷积特征值计算方法.mp4 22.68M
| | ├──1-4 得到特征图表示.mp4 18.47M
| | ├──1-5 步长与卷积核大小对结果的影响.mp4 20.39M
| | ├──1-6 边缘填充方法.mp4 17.93M
| | ├──1-7 特征图尺寸计算与参数共享.mp4 22.04M
| | ├──1-8 池化层的作用.mp4 11.33M
| | ├──1-9 整体网络架构.mp4 17.99M
| | ├──2-1 NLP应用领域与任务简介.mp4 29.40M
| | ├──2-2 情感分析-项目流程解读.mp4 40.55M
| | ├──2-3 加载词向量特征.mp4 31.62M
| | ├──2-4 正负样本数据读取.mp4 30.59M
| | ├──2-5 构建LSTM网络模型.mp4 45.01M
| | ├──2-6 训练与测试效果.mp4 57.07M
| | ├──3-1 词向量模型通俗解释.mp4 21.22M
| | ├──3-2 模型整体框架.mp4 27.36M
| | ├──3-3 训练数据构建.mp4 15.78M
| | ├──3-4 CBOW与Skip-gram模型.mp4 22.57M
| | └──3-5 负采样方案.mp4 23.13M
| ├──人工智能深度学习入门视频课程(ID-6511)
| | ├──1-1 深度学习要解决的问题.mp4 20.96M
| | ├──1-2 深度学习应用领域.mp4 58.45M
| | ├──1-3 计算机视觉任务.mp4 19.49M
| | ├──1-4 视觉任务中遇到的问题.mp4 36.98M
| | ├──1-5 得分函数.mp4 19.11M
| | ├──1-6 损失函数的作用.mp4 32.59M
| | ├──1-7 前向传播整体流程.mp4 38.46M
| | ├──2-1 梯度下降通俗解释(以线性回归算法为例,神经网络也是如此).mp4 20.56M
| | ├──2-2 参数更新方法.mp4 25.80M
| | ├──2-3 优化参数设置.mp4 26.75M
| | ├──2-4 返向传播计算方法.mp4 24.79M
| | ├──2-5 神经网络整体架构.mp4 31.40M
| | ├──2-6 神经网络架构细节.mp4 43.75M
| | ├──2-7 神经元个数对结果的影响.mp4 41.85M
| | ├──2-8 正则化与激活函数.mp4 26.73M
| | ├──2-9 神经网络过拟合解决方法.mp4 36.74M
| | ├──3-1 神经网络整体框架概述.mp4 23.26M
| | ├──3-10 完成全部迭代更新模块.mp4 58.53M
| | ├──3-11 手写字体识别数据集.mp4 39.55M
| | ├──3-12 算法代码错误修正.mp4 53.91M
| | ├──3-13 模型优化结果展示.mp4 48.93M
| | ├──3-14 测试效果可视化展示.mp4 56.72M
| | ├──3-2 参数初始化操作.mp4 43.15M
| | ├──3-3 矩阵向量转换.mp4 32.17M
| | ├──3-4 向量反变换.mp4 35.44M
| | ├──3-5 完成前向传播模块.mp4 35.15M
| | ├──3-6 损失函数定义.mp4 36.24M
| | ├──3-7 准备反向传播迭代.mp4 30.38M
| | ├──3-8 差异项计算.mp4 42.78M
| | ├──3-9 逐层计算.mp4 38.62M
| | └──资料.7z 10.30M
| └──深度学习框架-PyTorch实战(ID-20853)
| | ├──1-1 PyTorch实战课程简介.mp4 16.41M
| | ├──1-2 PyTorch框架发展趋势简介.mp4 23.35M
| | ├──1-3 框架安装方法(CPU与GPU版本).mp4 16.60M
| | ├──1-4 PyTorch基本操作简介.mp4 25.11M
| | ├──1-5 自动求导机制.mp4 29.13M
| | ├──1-6 线性回归DEMO-数据与参数配置.mp4 22.81M
| | ├──1-7 线性回归DEMO-训练回归模型.mp4 30.65M
| | ├──1-8 补充:常见tensor格式.mp4 17.06M
| | ├──1-9 补充:Hub模块简介.mp4 37.23M
| | ├──10-1 OCR文字识别要完成的任务.mp4 24.85M
| | ├──10-2 CTPN文字检测网络概述.mp4 17.77M
| | ├──10-3 序列网络的作用.mp4 21.76M
| | ├──10-4 输出结果含义解析.mp4 16.33M
| | ├──10-5 CTPN细节概述.mp4 21.25M
| | ├──10-6 CRNN识别网络架构.mp4 14.93M
| | ├──10-7 CTC模块的作用.mp4 9.76M
| | ├──11-1 OCR文字检测识别项目效果展示.mp4 17.01M
| | ├──11-2 训练数据准备与环境配置.mp4 28.99M
| | ├──11-3 检测模块候选框生成.mp4 33.93M
| | ├──11-4 候选框标签制作.mp4 35.32M
| | ├──11-5 整体网络所需模块.mp4 20.74M
| | ├──11-6 网络架构各模块完成的任务解读.mp4 32.29M
| | ├──11-7 CRNN识别模块所需数据与标签.mp4 17.36M
| | ├──11-8 识别模块网络架构解读.mp4 39.29M
| | ├──12-1 3D卷积原理解读.mp4 22.38M
| | ├──12-2 UCF101动作识别数据集简介.mp4 28.20M
| | ├──12-3 测试效果与项目配置.mp4 49.26M
| | ├──12-4 视频数据预处理方法.mp4 31.22M
| | ├──12-5 数据Batch制作方法.mp4 42.91M
| | ├──12-6 3D卷积网络所涉及模块.mp4 37.23M
| | ├──12-7 训练网络模型.mp4 36.66M
| | ├──13-1 BERT任务目标概述.mp4 11.28M
| | ├──13-10 训练实例.mp4 23.51M
| | ├──13-2 传统解决方案遇到的问题.mp4 23.32M
| | ├──13-3 注意力机制的作用.mp4 15.95M
| | ├──13-4 self-attention计算方法.mp4 23.89M
| | ├──13-5 特征分配与softmax机制.mp4 21.35M
| | ├──13-6 Multi-head的作用.mp4 20.10M
| | ├──13-7 位置编码与多层堆叠.mp4 17.16M
| | ├──13-8 transformer整体架构梳理.mp4 22.55M
| | ├──13-9 BERT模型训练方法.mp4 20.74M
| | ├──14-1 BERT开源项目简介.mp4 30.48M
| | ├──14-10 构建QKV矩阵.mp4 55.59M
| | ├──14-11 完成Transformer模块构建.mp4 45.84M
| | ├──14-12 训练BERT模型.mp4 45.87M
| | ├──14-2 项目参数配置.mp4 53.10M
| | ├──14-3 数据读取模块.mp4 40.40M
| | ├──14-4 数据预处理模块.mp4 43.13M
| | ├──14-5 tfrecord制作.mp4 53.83M
| | ├──14-6 Embedding层的作用.mp4 33.81M
| | ├──14-7 加入额外编码特征.mp4 44.61M
| | ├──14-8 加入位置编码特征.mp4 24.95M
| | ├──14-9 mask机制.mp4 43.04M
| | ├──15-1 项目配置与环境概述.mp4 27.03M
| | ├──15-2 数据读取与预处理.mp4 22.02M
| | ├──15-3 网络结构定义.mp4 31.07M
| | ├──15-4 训练网络模型.mp4 36.62M
| | ├──16-1 项目模板各模块概述.mp4 34.01M
| | ├──16-2 各模块配置参数解析.mp4 36.02M
| | ├──16-3 数据读取与预处理模块功能解读.mp4 46.17M
| | ├──16-4 模型架构模块.mp4 29.43M
| | ├──16-5 训练模块功能.mp4 45.07M
| | ├──16-6 训练结果可视化展示模块.mp4 32.85M
| | ├──16-7 模块应用与BenckMark解读.mp4 55.63M
| | ├──2-1 气温数据集与任务介绍.mp4 22.82M
| | ├──2-2 按建模顺序构建完成网络架构.mp4 35.08M
| | ├──2-3 简化代码训练网络模型.mp4 35.55M
| | ├──2-4 分类任务概述.mp4 13.81M
| | ├──2-5 构建分类网络模型.mp4 29.20M
| | ├──2-6 DataSet模块介绍与应用方法.mp4 33.73M
| | ├──3-1 卷积神经网络应用领域.mp4 26.64M
| | ├──3-10 VGG网络架构.mp4 20.55M
| | ├──3-11 残差网络Resnet.mp4 18.38M
| | ├──3-12 感受野的作用.mp4 16.77M
| | ├──3-2 卷积的作用.mp4 23.60M
| | ├──3-3 卷积特征值计算方法.mp4 22.68M
| | ├──3-4 得到特征图表示.mp4 18.47M
| | ├──3-5 步长与卷积核大小对结果的影响.mp4 20.39M
| | ├──3-6 边缘填充方法.mp4 17.93M
| | ├──3-7 特征图尺寸计算与参数共享.mp4 22.04M
| | ├──3-8 池化层的作用.mp4 11.33M
| | ├──3-9 整体网络架构.mp4 17.99M
| | ├──4-1 卷积网络参数定义.mp4 24.08M
| | ├──4-2 网络流程解读.mp4 30.92M
| | ├──4-3 Vision模块功能解读.mp4 18.00M
| | ├──4-4 分类任务数据集定义与配置.mp4 25.18M
| | ├──4-5 图像增强的作用.mp4 15.96M
| | ├──4-6 数据预处理与数据增强模块.mp4 38.83M
| | ├──4-7 Batch数据制作.mp4 33.94M
| | ├──5-1 迁移学习的目标.mp4 13.29M
| | ├──5-2 迁移学习策略.mp4 16.08M
| | ├──5-3 加载训练好的网络模型.mp4 37.65M
| | ├──5-4 优化器模块配置.mp4 19.28M
| | ├──5-5 实现训练模块.mp4 28.11M
| | ├──5-6 训练结果与模型保存.mp4 31.65M
| | ├──5-7 加载模型对测试数据进行预测.mp4 35.69M
| | ├──5-8 额外补充-Resnet论文解读.mp4 54.32M
| | ├──5-9 额外补充-Resnet网络架构解读.mp4 18.56M
| | ├──6-1 RNN网络架构解读.mp4 22.98M
| | ├──6-2 词向量模型通俗解释.mp4 21.22M
| | ├──6-3 模型整体框架.mp4 27.36M
| | ├──6-4 训练数据构建.mp4 15.78M
| | ├──6-5 CBOW与Skip-gram模型.mp4 22.57M
| | ├──6-6 负采样方案.mp4 23.13M
| | ├──7-1 任务目标与数据简介.mp4 28.32M
| | ├──7-2 RNN模型所需输入格式解析.mp4 20.10M
| | ├──7-3 项目配置参数设置.mp4 38.02M
| | ├──7-4 新闻数据读取与预处理方法.mp4 30.80M
| | ├──7-5 LSTM网络模块定义与参数解析.mp4 34.05M
| | ├──7-6 训练LSTM文本分类模型.mp4 36.80M
| | ├──7-7 Tensorboardx可视化展示模块搭建.mp4 35.19M
| | ├──7-8 CNN应用于文本任务原理解析.mp4 23.39M
| | ├──7-9 网络模型架构与效果展示.mp4 43.64M
| | ├──8-1 对抗生成网络通俗解释.mp4 21.20M
| | ├──8-2 GAN网络组成.mp4 11.31M
| | ├──8-3 损失函数解释说明.mp4 42.16M
| | ├──8-4 数据读取模块.mp4 30.18M
| | ├──8-5 生成与判别网络定义.mp4 36.40M
| | ├──9-1 CycleGan网络所需数据.mp4 29.60M
| | ├──9-10 额外补充:VISDOM可视化配置.mp4 25.88M
| | ├──9-2 CycleGan整体网络架构.mp4 21.20M
| | ├──9-3 PatchGan判别网络原理.mp4 10.98M
| | ├──9-4 Cycle开源项目简介.mp4 30.04M
| | ├──9-5 数据读取与预处理操作.mp4 47.99M
| | ├──9-6 生成网络模块构造.mp4 50.15M
| | ├──9-7 判别网络模块构造.mp4 20.60M
| | ├──9-8 损失函数:identity loss计算方法.mp4 39.50M
| | ├──9-9 生成与判别损失函数指定.mp4 53.89M
| | └──资料.7z 5.10G
├──第三阶段:深度学习实战-经典视觉项目
| ├──Python-深度学习-物体检测实战(ID-20420)
| | ├──1-1 课程简介.mp4 12.11M
| | ├──1-2 Mask-Rcnn开源项目简介.mp4 40.08M
| | ├──1-3 开源项目数据集.mp4 23.40M
| | ├──1-4 参数配置.mp4 62.20M
| | ├──2-1 FPN网络架构实现解读.mp4 58.68M
| | ├──2-10 RoiPooling层的作用与目的.mp4 36.93M
| | ├──2-11 RorAlign操作的效果.mp4 27.42M
| | ├──2-12 整体框架回顾.mp4 30.93M
| | ├──2-2 FPN层特征提取原理解读.mp4 44.46M
| | ├──2-3 生成框比例设置.mp4 30.55M
| | ├──2-4 基于不同尺度特征图生成所有框.mp4 33.37M
| | ├──2-5 RPN层的作用与实现解读.mp4 30.56M
| | ├──2-6 候选框过滤方法.mp4 15.75M
| | ├──2-7 Proposal层实现方法.mp4 33.06M
| | ├──2-8 DetectionTarget层的作用.mp4 26.69M
| | ├──2-9 正负样本选择与标签定义.mp4 27.13M
| | ├──3-1 Labelme工具安装.mp4 12.17M
| | ├──3-2 使用labelme进行数据与标签标注.mp4 22.20M
| | ├──3-3 完成训练数据准备工作.mp4 24.90M
| | ├──3-4 maskrcnn源码修改方法.mp4 54.80M
| | ├──3-5 基于标注数据训练所需任务.mp4 33.44M
| | ├──3-6 测试与展示模块.mp4 28.22M
| | ├──4-1 COCO数据集与人体姿态识别简介.mp4 34.85M
| | ├──4-2 网络架构概述.mp4 33.36M
| | ├──4-3 流程与结果演示.mp4 41.08M
| | ├──5-1 迁移学习的目标.mp4 13.29M
| | ├──5-2 迁移学习策略.mp4 16.08M
| | ├──5-3 Resnet原理.mp4 60.19M
| | ├──5-4 Resnet网络细节.mp4 38.11M
| | ├──5-5 Resnet基本处理操作.mp4 25.70M
| | ├──5-6 shortcut模块.mp4 37.39M
| | ├──5-7 加载训练好的权重.mp4 31.69M
| | ├──5-8 迁移学习效果对比.mp4 42.61M
| | ├──6-1 物体检测概述.mp4 42.57M
| | ├──6-2 深度学习经典检测方法.mp4 39.26M
| | ├──6-3 faster-rcnn概述.mp4 31.13M
| | ├──6-4 论文解读.mp4 79.82M
| | ├──6-5 RPN网络架构.mp4 70.55M
| | ├──6-6 损失函数定义.mp4 101.14M
| | ├──6-7 网络细节.mp4 80.13M
| | └──资料.7z 4.91G
| ├──Tensorflow-图像处理视频课程(ID-13042)
| | ├──1-1 知识点介绍.mp4 62.89M
| | ├──1-2 模型整体设计.mp4 33.39M
| | ├──1-3 模型内部结构.mp4 44.19M
| | ├──1-4 模型综述.mp4 57.60M
| | ├──1-5 修复任务说明.mp4 34.07M
| | ├──1-6 输入配置.mp4 37.93M
| | ├──1-7 模型整体架构配置.mp4 49.18M
| | ├──1-8 完成模型迭代.mp4 73.00M
| | ├──1-9 效果演示.mp4 20.73M
| | ├──2-1 知识点概述.mp4 28.47M
| | ├──2-2 模型整体架构.mp4 44.40M
| | ├──2-3 数据源处理.mp4 27.30M
| | ├──2-4 数据输入与参数.mp4 34.94M
| | ├──2-5 生成器模型.mp4 35.06M
| | ├──2-6 判别器模型.mp4 36.76M
| | ├──2-7 网络特征提取.mp4 29.45M
| | ├──2-8 模型优化设置.mp4 62.31M
| | ├──2-9 效果演示.mp4 43.44M
| | ├──3-1 模板基础模型.mp4 36.56M
| | ├──3-2 模板内部结构.mp4 63.12M
| | └──资料.7z 5.98G
| ├──Tensorflow-物体检测-Faster-Rcnn解读(ID-13043)
| | ├──1-1 物体检测概述.mp4 42.57M
| | ├──1-2 深度学习经典检测方法.mp4 39.26M
| | ├──1-3 faster-rcnn概述.mp4 31.13M
| | ├──2-1 论文概述.mp4 79.82M
| | ├──2-2 RPN网络结构.mp4 70.55M
| | ├──2-3 损失函数定义.mp4 101.14M
| | ├──2-4 网络细节.mp4 80.13M
| | ├──3-1 环境配置概述.mp4 90.53M
| | ├──3-2 项目配置.mp4 59.19M
| | ├──3-3 数据加载.mp4 44.88M
| | ├──3-4 数据变换.mp4 31.51M
| | ├──3-5 完成数据读取.mp4 74.52M
| | ├──3-6 特征提取VGG.mp4 35.18M
| | ├──3-7 RPN层.mp4 59.20M
| | ├──3-8 提取网络细节.mp4 71.97M
| | ├──3-9 网络迭代训练.mp4 78.39M
| | └──资料.7z 2.74G
| ├──大数据——深度学习框架Caffe使用案例视频课程(ID-7668)
| | ├──1 caffe框架视频课程01 深度学习框架caffe简介.mp4 32.85M
| | ├──10 caffe框架视频课程10 生成网络配置文件.mp4 44.56M
| | ├──11 caffe框架视频课程11 对训练的网络模型绘制LOSS曲线.mp4 47.18M
| | ├──12 caffe框架视频课程12 对训练结果进行分类任务.mp4 87.04M
| | ├──2 caffe框架视频课程02 网络配置-数据层详解.mp4 63.36M
| | ├──3 caffe框架视频课程03 网络配置-各计算层详解.mp4 80.81M
| | ├──4 caffe框架视频课程04 solver超参数配置文件.mp4 75.31M
| | ├──5 caffe框架视频课程05 制作LMDB数据源训练分类网络.mp4 113.49M
| | ├──6 caffe框架视频课程06 多label问题之HDF5数据源.mp4 84.73M
| | ├──7 caffe框架视频课程07 使用命令行训练网络.mp4 56.97M
| | ├──8 caffe框架视频课程08 使用python定义自己的层.mp4 87.90M
| | ├──9 caffe框架视频课程09 绘制网络结构图.mp4 48.72M
| | └──资料.7z 432.80M
| ├──大数据:深度学习项目实战-关键点定位视频课程(ID-8021)
| | ├──1 深度学习项目实战01 人脸关键点检测算法框架.mp4 25.39M
| | ├──10 深度学习项目实战10 人脸关键点检测效果.mp4 32.41M
| | ├──11 深度学习项目实战11 项目总结分析.mp4 41.11M
| | ├──12 深度学习项目实战12 算法框架分析.mp4 51.15M
| | ├──2 深度学习项目实战02 多标签数据源制作以及标签坐标转换.mp4 83.36M
| | ├──3 深度学习项目实战03 对原始数据进行数据增强.mp4 39.98M
| | ├──4 深度学习项目实战04 完成初始阶段HDF5数据源制作.mp4 63.69M
| | ├──5 深度学习项目实战05 初始阶段网络训练.mp4 40.53M
| | ├──6 深度学习项目实战06 第二三阶段网络数据源制作.mp4 91.81M
| | ├──7 深度学习项目实战07 第二三阶段网络模型训练.mp4 45.56M
| | ├──8 深度学习项目实战08 网络模型参数初始化.mp4 50.47M
| | ├──9 深度学习项目实战09 完成全部测试结果.mp4 70.07M
| | └──资料.7z 582.36M
| ├──大数据深度学习项目实战视频课程-人脸检测(ID-6864)
| | ├──1 人脸检测项目概述.mp4 5.32M
| | ├──10 实现多尺度人脸检测算法.mp4 60.71M
| | ├──11 坐标映射变换.mp4 57.14M
| | ├──12 完成检测代码.mp4 37.27M
| | ├──13 检测效果及改进.mp4 43.23M
| | ├──14 优化策略分析.mp4 25.77M
| | ├──15 模型准确率影响因素分析.mp4 24.04M
| | ├──16 项目总结.mp4 37.79M
| | ├──2 数据收集.mp4 42.16M
| | ├──3 正负样本裁剪策略.mp4 42.65M
| | ├──4 Caffe数据源准备.mp4 48.93M
| | ├──5 LMDB脚本文件.mp4 29.01M
| | ├──6 制作LMDB数据源.mp4 41.16M
| | ├──7 网络模型配置文件(1).mp4 41.21M
| | ├──7 网络模型配置文件.mp4 41.21M
| | ├──8 选择合适的参数并训练网络模型.mp4 49.51M
| | ├──9 检测算法框架原理.mp4 33.40M
| | ├──人脸检测.docx 491.26kb
| | └──资料.7z 5.30G
| ├──人工智能-深度学习框架-Tensorflow案例实战视频课程(ID-8232)
| | ├──1-1 课程简介.mp4 3.84M
| | ├──1-2 Tensorflow2版本简介与心得.mp4 32.74M
| | ├──1-3 Tensorflow2版本安装方法.mp4 34.47M
| | ├──1-4 tf基础操作.mp4 20.11M
| | ├──10-1 任务目标与数据介绍.mp4 21.49M
| | ├──10-2 RNN模型输入数据维度解读.mp4 18.60M
| | ├──10-3 数据映射表制作.mp4 34.69M
| | ├──10-4 embedding层向量制作.mp4 38.82M
| | ├──10-5 数据生成器构造.mp4 35.14M
| | ├──10-6 双向RNN模型定义.mp4 19.69M
| | ├──10-7 自定义网络模型架构.mp4 41.49M
| | ├──10-8 训练策略指定.mp4 22.92M
| | ├──10-9 训练文本分类模型.mp4 30.81M
| | ├──11-1 CNN应用于文本任务原理解析.mp4 23.38M
| | ├──11-2 整体流程解读.mp4 20.59M
| | ├──11-3 网络架构设计与训练.mp4 40.89M
| | ├──12-1 任务目标与数据源.mp4 18.44M
| | ├──12-2 构建时间序列数据.mp4 26.15M
| | ├──12-3 训练时间序列数据预测结果.mp4 29.79M
| | ├──12-4 多特征预测结果.mp4 24.32M
| | ├──12-5 序列结果预测.mp4 15.19M
| | ├──13-1 BERT任务目标概述.mp4 11.28M
| | ├──13-10 训练实例.mp4 23.51M
| | ├──13-2 传统解决方案遇到的问题.mp4 23.32M
| | ├──13-3 注意力机制的作用.mp4 15.95M
| | ├──13-4 self-attention计算方法.mp4 23.89M
| | ├──13-5 特征分配与softmax机制.mp4 21.35M
| | ├──13-6 Multi-head的作用.mp4 20.10M
| | ├──13-7 位置编码与多层堆叠.mp4 17.16M
| | ├──13-8 transformer整体架构梳理.mp4 22.55M
| | ├──13-9 BERT模型训练方法.mp4 20.74M
| | ├──14-1 BERT开源项目简介.mp4 30.48M
| | ├──14-10 构建QKV矩阵.mp4 55.59M
| | ├──14-11 完成Transformer模块构建.mp4 45.84M
| | ├──14-12 训练BERT模型.mp4 45.87M
| | ├──14-2 项目参数配置.mp4 53.10M
| | ├──14-3 数据读取模块.mp4 40.40M
| | ├──14-4 数据预处理模块.mp4 43.13M
| | ├──14-5 tfrecord制作.mp4 53.83M
| | ├──14-6 Embedding层的作用.mp4 33.81M
| | ├──14-7 加入额外编码特征.mp4 44.61M
| | ├──14-8 加入位置编码特征.mp4 24.95M
| | ├──14-9 mask机制.mp4 43.04M
| | ├──15-1 对抗生成网络通俗解释.mp4 21.20M
| | ├──15-2 GAN网络组成.mp4 11.31M
| | ├──15-3 DCGAN网络架构与流程解读.mp4 16.84M
| | ├──15-4 网络架构设计.mp4 29.14M
| | ├──15-5 损失函数定义与训练.mp4 39.30M
| | ├──16-1 CycleGan网络所需数据.mp4 29.60M
| | ├──16-10 判别网络模块构造.mp4 20.60M
| | ├──16-11 损失函数:identity loss计算方法.mp4 39.50M
| | ├──16-12 生成与判别损失函数指定.mp4 53.89M
| | ├──16-13 额外补充:VISDOM可视化配置.mp4 25.88M
| | ├──16-2 CycleGan整体网络架构.mp4 21.20M
| | ├──16-3 PatchGan判别网络原理.mp4 10.98M
| | ├──16-4 数据与环境配置.mp4 25.73M
| | ├──16-5 生成与判别器损失函数定义.mp4 40.56M
| | ├──16-6 整体损失模块解读.mp4 66.63M
| | ├──16-7 Cycle开源项目简介.mp4 30.04M
| | ├──16-8 数据读取与预处理操作.mp4 47.99M
| | ├──16-9 生成网络模块构造.mp4 50.15M
| | ├──17-1 额外补充-Resnet论文解读.mp4 54.32M
| | ├──17-2 额外补充-Resnet网络架构解读.mp4 18.56M
| | ├──17-3 项目结构概述.mp4 16.47M
| | ├──17-4 数据集处理方法.mp4 25.02M
| | ├──17-5 训练数据构建.mp4 28.75M
| | ├──17-6 网络架构层次解读.mp4 32.16M
| | ├──17-7 前向传播配置.mp4 32.33M
| | ├──17-8 训练resnet模型.mp4 31.20M
| | ├──18-1 Tensorflow简介与安装.mp4 72.63M
| | ├──18-2 Tensorflow中的变量.mp4 29.99M
| | ├──18-3 变量常用操作.mp4 58.10M
| | ├──18-4 实现线性回归算法.mp4 63.34M
| | ├──18-5 Mnist数据集简介.mp4 56.89M
| | ├──18-6 逻辑回归算法.mp4 62.86M
| | ├──19-1 神经网络结构.mp4 68.83M
| | ├──19-2 卷积网络结构基本定义.mp4 43.47M
| | ├──19-3 卷积神经网络迭代.mp4 46.76M
| | ├──19-4 Cifar-10图像分类任务.mp4 52.87M
| | ├──2-1 深度学习要解决的问题.mp4 20.99M
| | ├──2-10 神经网络架构细节.mp4 43.70M
| | ├──2-11 神经元个数对结果的影响.mp4 41.92M
| | ├──2-12 正则化与激活函数.mp4 26.73M
| | ├──2-13 神经网络过拟合解决方法.mp4 36.73M
| | ├──2-2 深度学习应用领域.mp4 59.04M
| | ├──2-3 计算机视觉任务.mp4 19.50M
| | ├──2-4 视觉任务中遇到的问题.mp4 37.09M
| | ├──2-5 得分函数.mp4 19.12M
| | ├──2-6 损失函数的作用.mp4 32.62M
| | ├──2-7 前向传播整体流程.mp4 38.49M
| | ├──2-8 返向传播计算方法.mp4 24.87M
| | ├──2-9 神经网络整体架构.mp4 31.47M
| | ├──20-1 卷积神经网络实战:猫狗识别.mp4 62.81M
| | ├──20-2 数据读取.mp4 56.97M
| | ├──20-3 网络架构.mp4 88.35M
| | ├──20-4 网络迭代训练.mp4 77.49M
| | ├──20-5 测试效果.mp4 38.41M
| | ├──21-1 RNN网络基本架构.mp4 30.61M
| | ├──21-2 实现RNN网络架构.mp4 43.52M
| | ├──21-3 RNN实现自己的小demo.mp4 66.00M
| | ├──21-4 RNN预测时间序列.mp4 88.26M
| | ├──22-1 环境配置.mp4 51.60M
| | ├──22-2 数据读取.mp4 55.15M
| | ├──22-3 网络结构定义.mp4 49.91M
| | ├──22-4 加载训练好参数.mp4 54.39M
| | ├──23-1 Tensorboard可视化展示.mp4 55.22M
| | ├──23-2 展示效果.mp4 68.59M
| | ├──23-3 统计可视化展示.mp4 49.50M
| | ├──23-4 参数对结果的影响.mp4 79.50M
| | ├──24-1 生成自己的数据集.mp4 56.80M
| | ├──24-2 读取数据.mp4 57.80M
| | ├──24-3 生成数据源.mp4 82.12M
| | ├──24-4 加载tfrecord进行分类任务.mp4 114.72M
| | ├──25-1 CNN文本分类任务概述.mp4 50.32M
| | ├──25-2 文本分类任务特征定义.mp4 69.12M
| | ├──25-3 卷积网络定义.mp4 24.54M
| | ├──25-4 完成预测分类任务.mp4 70.52M
| | ├──26-1 Resnet网络原理.mp4 58.30M
| | ├──26-2 网络流程设计.mp4 51.54M
| | ├──26-3 残差网络细节.mp4 77.40M
| | ├──27-1 Tensorflow案例实战视频课程19 验证码数据生成.mp4 49.22M
| | ├──27-2 Tensorflow案例实战视频课程20 构造网络的输入数据和标签.mp4 50.64M
| | ├──27-3 Tensorflow案例实战视频课程21 卷积网络模型定义.mp4 54.25M
| | ├──27-4 Tensorflow案例实战视频课程22 迭代及测试网络效果.mp4 50.21M
| | ├──3-1 任务目标与数据集简介.mp4 25.97M
| | ├──3-2 建模流程与API文档.mp4 25.28M
| | ├──3-3 网络模型训练.mp4 29.95M
| | ├──3-4 模型超参数调节与预测结果展示.mp4 42.57M
| | ├──3-5 分类模型构建.mp4 40.33M
| | ├──3-6 tf.data模块解读.mp4 29.19M
| | ├──3-7 模型保存与读取实例.mp4 47.86M
| | ├──4-1 卷积网络应用领域.mp4 26.64M
| | ├──4-10 VGG网络架构.mp4 20.55M
| | ├──4-11 残差网络Resnet.mp4 18.38M
| | ├──4-12 感受野的作用.mp4 16.77M
| | ├──4-2 卷积的作用.mp4 23.60M
| | ├──4-3 卷积特征值计算方法.mp4 22.68M
| | ├──4-4 得到特征图表示.mp4 18.47M
| | ├──4-5 步长与卷积核大小对结果的影响.mp4 20.39M
| | ├──4-6 边缘填充方法.mp4 17.93M
| | ├──4-7 特征图尺寸计算与参数共享.mp4 22.04M
| | ├──4-8 池化层的作用.mp4 11.33M
| | ├──4-9 整体网络架构.mp4 17.99M
| | ├──5-1 猫狗识别任务与数据简介.mp4 18.22M
| | ├──5-2 卷积网络涉及参数解读.mp4 25.91M
| | ├──5-3 网络架构配置.mp4 28.13M
| | ├──5-4 卷积模型训练与识别效果展示.mp4 42.36M
| | ├──6-1 数据增强概述.mp4 39.30M
| | ├──6-2 图像数据变换.mp4 66.27M
| | ├──6-3 猫狗识别任务数据增强实例.mp4 20.99M
| | ├──7-1 迁移学习的目标.mp4 13.29M
| | ├──7-2 迁移学习策略.mp4 16.08M
| | ├──7-3 Resnet原理.mp4 60.19M
| | ├──7-4 加载训练好的经典网络模型.mp4 34.20M
| | ├──7-5 Callback模块与迁移学习实例.mp4 39.86M
| | ├──7-6 tfrecords数据源制作方法.mp4 34.13M
| | ├──7-7 图像数据处理实例.mp4 35.44M
| | ├──8-1 RNN网络架构解读.mp4 22.98M
| | ├──8-2 词向量模型通俗解释.mp4 21.22M
| | ├──8-3 模型整体框架.mp4 27.36M
| | ├──8-4 训练数据构建.mp4 15.78M
| | ├──8-5 CBOW与Skip-gram模型.mp4 22.57M
| | ├──8-6 负采样方案.mp4 23.13M
| | ├──9-1 任务流程解读.mp4 17.70M
| | ├──9-2 模型定义参数设置.mp4 16.81M
| | ├──9-3 文本词预处理操作.mp4 16.19M
| | ├──9-4 训练batch数据制作.mp4 43.05M
| | ├──9-5 损失函数定义与训练结果展示.mp4 29.75M
| | └──资料.7z 5.43G
| └──深度学习-Keras-项目实战(ID-16532)
| | ├──1-1 Keras项目实战课程概述.mp4 6.32M
| | ├──1-2 简介与安装.mp4 14.92M
| | ├──10-1 数据与目标.mp4 29.29M
| | ├──10-2 字符表制作.mp4 28.07M
| | ├──10-3 数据读取.mp4 19.87M
| | ├──10-4 数据增强.mp4 45.69M
| | ├──10-5 网络模型.mp4 21.20M
| | ├──10-6 测试效果.mp4 40.46M
| | ├──11-1 网络模型解读.mp4 27.08M
| | ├──11-2 数据介绍与读取.mp4 33.77M
| | ├──11-3 配置文件制作.mp4 26.36M
| | ├──11-4 编码器模型.mp4 28.09M
| | ├──11-5 解码器模型.mp4 19.04M
| | ├──11-6 制作训练batch数据.mp4 62.52M
| | ├──11-7 测试数据准备.mp4 40.31M
| | ├──11-8 完成测试模块.mp4 34.20M
| | ├──12-1 模板目录结构.mp4 19.57M
| | ├──12-2 模型与训练结构.mp4 24.83M
| | ├──12-3 评论数据集与任务目标.mp4 10.82M
| | ├──12-4 数据准备.mp4 41.39M
| | ├──12-5 模型整体架构.mp4 26.07M
| | ├──12-6 准备模型.mp4 52.33M
| | ├──12-7 训练网络.mp4 22.92M
| | ├──12-8 多标签训练.mp4 21.17M
| | ├──2-1 训练自己的数据集整体流程.mp4 39.14M
| | ├──2-2 数据加载与预处理.mp4 34.10M
| | ├──2-3 搭建网络模型.mp4 47.57M
| | ├──2-4 学习率对结果的影响.mp4 39.20M
| | ├──2-5 Drop-out操作.mp4 31.52M
| | ├──2-6 权重初始化方法对比.mp4 39.46M
| | ├──2-7 初始化标准差对结果的影响.mp4 14.98M
| | ├──2-8 正则化对结果的影响.mp4 64.60M
| | ├──2-9 加载模型进行测试.mp4 47.73M
| | ├──3-1 卷积层构造.mp4 37.40M
| | ├──3-2 整体流程.mp4 41.99M
| | ├──3-3 BatchNormalization效果.mp4 43.79M
| | ├──3-4 参数对比.mp4 49.79M
| | ├──3-5 网络测试效果.mp4 18.48M
| | ├──4-1 时间序列模型.mp4 28.26M
| | ├──4-2 网络结构与参数定义.mp4 23.88M
| | ├──4-3 构建LSTM模型.mp4 29.45M
| | ├──4-4 训练模型与效果展示.mp4 43.98M
| | ├──4-5 多序列预测结果.mp4 48.80M
| | ├──4-6 股票数据预测.mp4 27.45M
| | ├──4-7 数据预处理.mp4 35.40M
| | ├──4-8 预测结果展示.mp4 20.49M
| | ├──5-1 文本数据读取预处理.mp4 31.45M
| | ├──5-2 基本模型.mp4 37.99M
| | ├──5-3 3-Embeeding-layer效果.mp4 42.30M
| | ├──5-4 准备词向量数据.mp4 31.47M
| | ├──5-5 词嵌入训练结果.mp4 29.89M
| | ├──5-6 加入LSTM层效果.mp4 20.63M
| | ├──5-7 加入卷积层效果.mp4 14.31M
| | ├──5-8 参数调优.mp4 49.67M
| | ├──6-1 多标签解决方案.mp4 47.49M
| | ├──6-2 多标签网络训练与测试.mp4 55.47M
| | ├──6-3 多输出网络解决方案.mp4 45.70M
| | ├──6-4 多输出网络训练与测试.mp4 61.36M
| | ├──7-1 DIY你的数据集.mp4 69.15M
| | ├──7-2 数据增强概述.mp4 39.30M
| | ├──7-3 图像数据变换.mp4 66.27M
| | ├──7-4 数据增强效果.mp4 31.25M
| | ├──8-1 对抗生成网络通俗解释.mp4 21.20M
| | ├──8-2 GAN网络组成.mp4 11.31M
| | ├──8-3 判别网络设计.mp4 54.36M
| | ├──8-4 生成网络定义.mp4 43.08M
| | ├──8-5 标签制作.mp4 44.89M
| | ├──8-6 训练与测试网络模型.mp4 48.20M
| | ├──8-7 DCGAN网络.mp4 57.19M
| | ├──9-1 迁移学习的目标.mp4 13.29M
| | ├──9-2 迁移学习策略.mp4 16.08M
| | ├──9-3 Resnet原理.mp4 60.19M
| | ├──9-4 Resnet网络细节.mp4 38.11M
| | ├──9-5 Resnet基本处理操作.mp4 25.70M
| | ├──9-6 shortcut模块.mp4 37.39M
| | ├──9-7 加载训练好的权重.mp4 31.69M
| | ├──9-8 迁移学习效果对比.mp4 42.61M
| | └──资料.7z 2.09G

此隐藏内容仅限VIP查看升级VIP
https://pan.baidu.com/s/1g0Hi9b8bryEPLtsOvhUMtQ
hqev
此隐藏内容仅限VIP查看升级VIP

免责声明: 1、本站信息来自网络,版权争议与本站无关 2、本站所有主题由该帖子作者发表,该帖子作者与本站享有帖子相关版权 3、其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和本站的同意 4、本帖部分内容转载自其它媒体,但并不代表本站赞同其观点和对其真实性负责 5、用户所发布的一切软件的解密分析文章仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。 6、您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。 7、请支持正版软件、得到更好的正版服务。 8、如有侵权请立即告知本站(邮箱:1807388100@qq.com,备用QQ:1807388100),本站将及时予与删除 9、本站所发布的一切破解补丁、注册机和注册信息及软件的解密分析文章和视频仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。本站信息来自网络,版权争议与本站无关。您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。如果您喜欢该程序,请支持正版软件,购买注册,得到更好的正版服务。如有侵权请邮件与我们联系处理。

独角兽资源站 python 人工智能-计算机视觉实战之路-系列课程 https://www.itdjs.com/4230/html

发表评论
暂无评论
  • 0 +

    资源总数

  • 0 +

    今日发布

  • 0 +

    本周发布

  • 0 +

    运行天数

你的前景,远超我们想象