深度学习项目：Django搭建CNN网络实现图像识别

深度学习项目：Django搭建CNN网络实现图像识别资源介绍:

深度学习项目：Django搭建CNN网络实现图像识别封面图

本课程基于Django Web框架搭建CNN模型实现图像识别。首先介绍了Django Web框架的基础知识，具体包括Django工程创建的步骤、文件上传和图片上传的实现方法。然后介绍了卷积神经网络（CNN）的基本原理和经典CNN模型的网络结构。最后基于Django框架部署汽车分类模型。

资源目录:

第1章Django Web技术基础(3小时32分钟17节)

1-1文本应用程序处理流程[09:32]
1-2Web应用程序处理流程[06:12]
1-3MVC模式[20:25]
1-4MVT模式[06:29]
1-5虚拟环境virtualenv的安装[08:50]
1-6虚拟环境virtualenv的激活[08:54]
1-7Django项目的启动[13:38]
1-8Django的工程目录[21:25]
1-9VSCODE开发工具的配置[11:45]
1-10Django框架的模板[13:31]
1-11Django的第一个入门案例[09:41]
1-12Django搭建图书管理项目[03:23]
1-13Django图书管理的实现[18:03]
1-14Django静态资源的配置[10:11]
1-15Django中CSS样式的实现[05:34]
1-16使用模板加载静态资源[37:28]
1-17Django创建的项目整体流程[07:15]
第2章Django实现文件和图片上传(1小时49分钟9节)

2-1Django创建文件上传工程[20:05]
2-2主页面的创建[12:53]
2-3单文件上传的实现[26:47]
2-4异常信息的处理[06:54]
2-5创建多文件上传页面[09:19]
2-6多文件上传的具体实现[05:42]
2-7多文件上传的视图控制器[09:17]
2-8图片上传的实现（一）[13:23]
2-9图片上传的实现（二）[05:38]
第3章 卷积神经网络模型 (1小时33分钟 6节)

3-1卷积神将网络的基础[16:53]
3-2卷积神经网路的组成[16:08]
3-3卷积神经网络的计算过程[19:02]
3-4CNN手写数字识别的模型训练和评价[08:08]
3-5CNN手写数字识别网络搭建[25:56]
3-6CNN手写数网络结构修改的方法[07:39]
第4章 Django部署汽车分类模型 (1小时49分钟 8节)

4-1CNN实现二分类模型的训练[14:17]
4-2CNN实现二分类模型的预测[18:39]
4-3Django汽车分类项目的创建[09:49]
4-4Django项目的启动[10:48]
4-5Django页面的创建和跳转[12:26]
4-6Django部署汽车分类项目[18:10]
4-7登录界面的添加[14:41]
4-8AlextNet和ResNet实现汽车分类模型[10:34]