- 课程目录
- 课件下载
- 第一章:深度学习必备知识点
- 深度学习与人工智能概述 11:27 免费
- 计算机视觉面临挑战与机器学习常规套路 9:40
- 用K近邻进行图像分类任务(->数据代码下载) 10:01
- 超参数与交叉验证 10:30
- 线性分类 9:34
- 损失函数 9:17
- 正则化惩罚项 7:19
- softmax分类器 13:38
- 最优化问题形象解读 6:46
- 梯度下降算法 11:48
- 反向传播实例 15:16
- 第二章:走进深度学习的世界-神经网络模型
- 初识神经网络 25:10
- 深入神经网络细节 21:35
- 第三章:神经网络案例实战
- Python环境搭建(推荐Anaconda方法) 13:10
- Eclipse搭建python环境 5:23
- 动手实现简易神经网络 12:31
- 感受神经网络的强大 11:30
- 神经网络案例-cifar分类任务 16:01
- 神经网络案例-分模块构造神经网络 13:33
- 神经网络案例-训练神经网络完成分类任务 13:26
- 第四章:卷积神经网络
- 卷积神经网络(CNN)能干什么 14:55 免费
- 卷积层原理详解 12:53
- 卷积的计算过程 12:30
- 卷积核涉及参数详解 13:13
- 参数共享原则 8:09
- 池化层详解 8:24
- 分类与回归任务应用详解 33:30
- 如何巧妙设计网络结构 21:51
- 训练技巧之数据增强 12:20
- 训练技巧之Transfer Learning 11:09
- 经典卷积神经网络架构 21:15
- 第五章:卷积神经网络案例实战
- 卷积神经网络反向传播原理 14:43
- 案例实战:实现卷积层的前向传播与反向传播 10:19
- 案例实战:实现池化层的前向传播与反向传播 12:00
- 第六章:递归神经网络
- 递归神经网络原理 9:12
- LSTM网络结构 10:01
- 案例实战:打造二进制加法器 33:46
- 第七章:Faster-rcnn物体检测框架
- 物体检测框架Faster-rcnn原理 16:25
- Faster-rcnn之RPN层 23:47
- 整体框架流程 19:41
- 实验效果评估 21:43
- 第八章:级联网络结构
- 级联网络原理分析 11:01
- 级联网络实现细节 13:16
- 第九章:关键点定位网络
- 关键点定位论文算法整体框架分析 20:36
- 实现细节解读 11:29
- 网络结构详解 9:12
- 第一十章:残差网络架构
- 深度残差网络架构分析 12:58
- 残差网络实现细节 13:56
- 第一十一章:style-transfer风格转换
- PRISMA图像风格变换原理 10:34 免费
- STYLE-TRANSFER实现细节 11:00
【课时介绍】
深度学习入门视频课程从基本的神经网络开始讲起,将复杂的神经网络分成几个小模块,先对的知识点的细节进行详细讲解再拓展到整个神经网络,从神经网络的架构,细节进行全面分析,并使用python代码完成的神经网络,从效果上感受神经网络的强大。熟悉神经网络后再进军卷积神经网络与递归神经网络,详解CNN与RNN的原理与细节。对经典网络模型结构详细分析讲解,选择经典论文剖析。带大家上手深度学习!
- 第一章:深度学习必备知识点
-
- 01. 深度学习与人工智能概述 11:27
- 02. 计算机视觉面临挑战与机器学习常规套路 9:40
- 03. 用K近邻进行图像分类任务(->数据代码下载) 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. 最优化问题形象解读 6:46
- 10. 梯度下降算法 11:48
- 11. 反向传播实例 15:16
- 第二章:走进深度学习的世界-神经网络模型
-
- 1. 初识神经网络 25:10
- 2. 深入神经网络细节 21:35
- 第三章:神经网络案例实战
-
- 1. Python环境搭建(推荐Anaconda方法) 13:10
- 2. Eclipse搭建python环境 5:23
- 3. 动手实现简易神经网络 12:31
- 4. 感受神经网络的强大 11:30
- 5. 神经网络案例-cifar分类任务 16:01
- 6. 神经网络案例-分模块构造神经网络 13:33
- 7. 神经网络案例-训练神经网络完成分类任务 13:26
- 第四章:卷积神经网络
-
- 01. 卷积神经网络(CNN)能干什么 14:55
- 02. 卷积层原理详解 12:53
- 03. 卷积的计算过程 12:30
- 04. 卷积核涉及参数详解 13:13
- 05. 参数共享原则 8:09
- 06. 池化层详解 8:24
- 07. 分类与回归任务应用详解 33:30
- 08. 如何巧妙设计网络结构 21:51
- 09. 训练技巧之数据增强 12:20
- 10. 训练技巧之Transfer Learning 11:09
- 11. 经典卷积神经网络架构 21:15
- 第五章:卷积神经网络案例实战
-
- 1. 卷积神经网络反向传播原理 14:43
- 2. 案例实战:实现卷积层的前向传播与反向传播 10:19
- 3. 案例实战:实现池化层的前向传播与反向传播 12:00
- 第六章:递归神经网络
-
- 1. 递归神经网络原理 9:12
- 2. LSTM网络结构 10:01
- 3. 案例实战:打造二进制加法器 33:46
- 第七章:Faster-rcnn物体检测框架
-
- 1. 物体检测框架Faster-rcnn原理 16:25
- 2. Faster-rcnn之RPN层 23:47
- 3. 整体框架流程 19:41
- 4. 实验效果评估 21:43
- 第八章:级联网络结构
-
- 1. 级联网络原理分析 11:01
- 2. 级联网络实现细节 13:16
- 第九章:关键点定位网络
-
- 1. 关键点定位论文算法整体框架分析 20:36
- 2. 实现细节解读 11:29
- 3. 网络结构详解 9:12
- 第一十章:残差网络架构
-
- 1. 深度残差网络架构分析 12:58
- 2. 残差网络实现细节 13:56
- 第一十一章:style-transfer风格转换
-
- 1. PRISMA图像风格变换原理 10:34
- 2. STYLE-TRANSFER实现细节 11:00
阅读更多
发布回复
扫一扫,移动端观看视频