人工智能:深度学习入门到精通实战

人工智能:深度学习入门到精通实战
共213节 2168人在学 课程详情
  • 深度学习基础-深度学习简介

    • 前置知识
    • 传统编程与数据编程
    • 深度学习起源
    • 深度学习崛起与发展
    • 深度学习成功案例
    • 深度学习特点
  • 深度学习基础-Python基础

    • PyTorch介绍与环境配置
    • 数据操作与创建Tensor
    • 算术操作、索引与改变形状
    • 线性代数、广播机制与内存开销
    • Tensor和NumPy相互转换与Tensor on GPU
    • 实验01-创建和使用Tensor-1
    • 实验01-创建和使用Tensor-2
    • 梯度下降
    • 实验02-梯度下降-1
    • 实验02-梯度下降-2
    • 自动求梯度概念
    • 自动求梯度实例
    • 实验03-自动求梯度-1
    • 实验03-自动求梯度-2
  • 深度学习基础-线性回归

    • 线性回归讲解
    • 线性回归实例
    • 实验04-从零实现线性回归-1
    • 实验04-从零实现线性回归-2
    • 实验05-线性回归的简洁实现-1
    • 实验05-线性回归的简洁实现-2
  • 深度学习基础-softmax回归

    • softmax回归
    • 实验06-FashionMNIST
    • 实验07-从零实现Softmax回归-1
    • 实验07-从零实现Softmax回归-2
    • 实验08-softmax回归的简洁实现
  • 深度学习基础-多层感知机

    • 感知机
    • 多层感知机
    • 多层感知机与神经网络
    • 激活函数
    • 正向传播
    • 反向传播
    • 正向传播和反向传播
    • 批大小
    • 实验09-从零实现MLP
    • 实验10-MLP的简洁实现
  • 深度学习基础-模型选择、欠拟合和过拟合

    • 训练误差和泛化误差
    • 模型选择
    • 欠拟合和过拟合
    • 权重衰减
    • 丢弃法
    • 实验11-多项式函数拟合实验
    • 实验12-高维线性回归实验-1
    • 实验12-高维线性回归实验-2
    • 实验13-Dropout
  • 深度学习基础-数值稳定性和模型初始化

    • 数值稳定性和模型初始化-1
    • 数值稳定性和模型初始化-2
    • 实验14-房价预测案例-1
    • 实验14-房价预测案例-2
    • 实验14-房价预测案例-3
  • 深度学习计算-模型构造

    • 模型构造-1
    • 模型构造-2
    • 模型构造-3
    • 实验15-模型构造-1
    • 实验15-模型构造-2
  • 深度学习计算-模型参数的访问、初始化和共享

    • 模型参数的访问
    • 模型参数初始化和共享
    • 实验16-模型参数-1
    • 实验16-模型参数-2
  • 深度学习计算-自定义层与读取和储存

    • 不含模型参数的自定义层
    • 含模型参数的自定义层
    • 实验17-自定义层
    • 读取和储存
    • GPU计算
    • 实验18-读取和储存
  • 卷积神经网络

    • 卷积神经网络
    • 卷积神经网络的组成层
    • 图像分类的局限性
    • 二维卷积层与卷积层
    • 卷积在图像中的直观作用
    • 实验19-二维卷积层
    • 填充与步幅
    • 卷积过程
    • 卷积层参数-1
    • 卷积层参数-2
    • 实验20-Pad和Stride
    • 多输入和输出通道
    • 实验21-多通道
    • 池化层
    • 实验22-池化层
  • 经典网络

    • 卷积神经网络
    • 实验23-LeNet模型
    • 深度卷积神经网络
    • 实验24-AlexNet模型
    • 使用重复元素的网络
    • 实验25-VGG模型
    • 网络中的网络
    • 实验26-NiN模型
    • 含并行连接的网络
    • 实验27-GoogLeNet模型
    • 批量归一化-1
    • 批量归一化-2
    • 实验28-批量归一化
    • 残差网络
    • 实验29-残差网络
    • 稠密连接网络
    • 实验30-稠密连接网络
  • 循环神经网络

    • 语言模型和计算
    • n元语法
    • RNN和RNNs
    • 标准RNN向前输出流程和语言模型应用
    • vector-to-sequence结构
    • 实验31-语言模型数据集-1
    • 实验31-语言模型数据集-2
    • 实验32-从零实现循环神经网络-1
    • 实验32-从零实现循环神经网络-2
    • 实验32-从零实现循环神经网络-3
    • 从零实现循环神经网络-最终
    • 实验33-简洁实现循环神经网络-1
    • 实验33-简洁实现循环神经网络-2
  • RNN进阶

    • 通过时间反向传播-1
    • 通过时间反向传播-2
    • 长短期记忆-1
    • 长短期记忆-2
    • 实验34-长短期记忆网络-1
    • 实验34-长短期记忆网络-2
    • 门控循环单元
    • RNN扩展模型
    • 实验35-门控循环单元
  • 优化算法

    • 优化与深度学习
    • 局部最小值和鞍点
    • 提高深度学习的泛化能力
    • 实验36-小批量梯度下降-1
    • 实验36-小批量梯度下降-2
    • 动量法-1
    • 动量法-2
    • 实验37-动量法
    • AdaGrad算法与特点
    • 实验38-AdaGrad算法
    • RMSrop算法
    • 实验39-RMSProp算法
    • AdaDelta算法
    • 实验40-AdaDelta算法
    • Adam算法
    • 实验41-Adam算法
    • 不用二阶优化讲解与超参数
  • 计算机视觉

    • 图像增广与挑战
    • 翻转、裁剪、变化颜色与叠加
    • 实验42-图像增广-1
    • 实验42-图像增广-2
    • 微调
    • 迁移学习
    • 实验43-微调-1
    • 实验43-微调-2
    • 目标检测
    • 边界框
    • 实验44-边界框
    • 锚框与生成多个锚框
    • 交并比
    • 实验45-生成锚框-1
    • 实验45-生成锚框-2
    • 标注训练集的锚框-1
    • 标注训练集的锚框-2
    • 实验46-标注训练集的锚框-1
    • 实验46-标注训练集的锚框-2
    • 实验46-标注训练集的锚框-3
    • 输出预测边界框
    • 实验47-输出预测边界框-1
    • 实验47-输出预测边界框-2
    • 多尺度目标检测
    • 实验48-多尺度目标检测
    • 目标检测算法分类
    • SSD与模型设计
    • 预测层
    • 损失函数
    • SSD预测
    • 实验49-目标检测数据集
    • 实验50-SSD目标检测-1
    • 实验50-SSD目标检测-2
    • SSD目标检测实验50倒数第四个
    • 第50的实验倒数第三个
    • 第50的实验倒数第二个
    • 第50的实验最终
  • 自然语言处理

    • 词嵌入和词向量
    • 神经网络模型
    • 跳字模型
    • 训练跳字模型
    • 连续词袋模型
    • 负采样
    • 层序softmax
    • 子词嵌入
    • Fasttext模型
    • 全局向量的词嵌入
    • 实验51-word2vec之数据预处理-1
    • 实验51-word2vec之数据预处理-2
    • 实验52-word2vec之负采样-1
    • 实验52-word2vec之负采样-2
    • 实验53-word2vec之模型构建-1
    • 实验53-word2vec之模型构建-2
    • 实验54-求近义词和类比词-1
    • 实验54-求近义词和类比词-2
    • 实验55-文本情感分类RNN-1
    • 实验55-文本情感分类RNN-2
    • 实验55-文本情感分类RNN-3
    • 文本情感分类RNN-最终
    • TextCNN
    • TextCNN流程
    • 实验56-文本情感分类textCNN-1
    • 实验56-文本情感分类textCNN-2
    • Seq2Seq的历史与网络架构
    • Seq2Seq的应用与存在的问题
    • Attention机制与Bucket机制
    • 实验57-机器翻译之模型构建-1
    • 实验57-机器翻译之模型构建-2
    • 机器翻译之模型构建最终
    • 实验58-机器翻译之训练评估-1
    • 实验58-机器翻译之训练评估-2
    • 机器翻译之训练评估最终

    订阅失败

    人工智能:深度学习入门到精通实战
    人工智能:深度学习入门到精通实战 ...

    订阅列表已满,请先移出部分订阅内容。

    当前章节需购买后观看
    开通超级会员免费看!专家精选系列课程,满足你从入门到精通!更有问答月卡免费送,你的问题有问必答!
    提交答案

    购买课程

    扫码完成付费,可继续学习全部课程内容

    加载中...
    播放页问题反馈
    视频学习中有任何产品建议都可由此反
    馈,我们将及时处理!

    课时介绍

    实验49-目标检测数据集

    课程介绍

                    《人工智能:深度学习入门到精通实战》课程主要就人工智能领域相关的深度学习基础、深度学习计算、卷积神经网络+经典网络、循环神经网络+RNN进阶、优化算法、计算机视觉和自然语言处理等,配套实战案例与项目全部基于真实数据集与实际任务展开,结合深度学习框架进行建模实战。

                    由浅入深,每一个理论搭配一个实验,引领学员浸泡式逐步掌握各项技能和实战项目,且侧重技能不同,学员的知识体系会更加全面

    课程大纲:

    第一章:深度学习基础-深度学习简介

    01.1-前置知识

    01.2-传统编程与数据编程

    01.3-深度学习起源

    01.4-深度学习崛起与发展

    01.5-深度学习成功案例

    01.6-深度学习特点

     

    第二章:深度学习基础-Python基础

    02.1-PyTorch介绍与环境配置

    02.2-数据操作与创建Tensor

    02.3-算术操作、索引与改变形状

    02.4-线性代数、广播机制与内存开销

    02.5-Tensor和NumPy相互转换与Tensor on GPU

    02.6-实验01-创建和使用Tensor-1

    02.7-实验01-创建和使用Tensor-2

    02.8-梯度下降

    02.9-实验02-梯度下降-1

    02.10-实验02-梯度下降-2

    02.11-自动求梯度概念

    02.12-自动求梯度实例

    02.13-实验03-自动求梯度-1

    02.14-实验03-自动求梯度-2

     

    第三章:深度学习基础-线性回归

    03.1-线性回归讲解

    03.2-线性回归实例

    03.3-实验04-从零实现线性回归-1

    03.4-实验04-从零实现线性回归-2

    03.5-实验05-线性回归的简洁实现-1

    03.6-实验05-线性回归的简洁实现-2

     

    第四章:深度学习基础-softmax回归

    04.1-softmax回归

    04.2-实验06-FashionMNIST

    04.3-实验07-从零实现Softmax回归-1

    04.4-实验07-从零实现Softmax回归-2

    04.5-实验08-softmax回归的简洁实现

     

    第五章:深度学习基础-多层感知机

    05.1-感知机

    05.2-多层感知机

    05.3-多层感知机与神经网络

    05.4-激活函数

    05.5-正向传播

    05.6-反向传播

    05.7-正向传播和反向传播

    05.8-批大小

    05.9-实验09-从零实现MLP

    05.10-实验10-MLP的简洁实现

     

    第六章:深度学习基础-模型选择、欠拟合和过拟合

    06.1-训练误差和泛化误差

    06.2-模型选择

    06.3-欠拟合和过拟合

    06.4-权重衰减

    06.5-丢弃法

    06.6-实验11-多项式函数拟合实验

    06.7-实验12-高维线性回归实验-1

    06.8-实验12-高维线性回归实验-2

    06.9-实验13-Dropout

     

    第七章:深度学习基础-数值稳定性和模型初始化

    07.1-数值稳定性和模型初始化-1

    07.2-数值稳定性和模型初始化-2

    07.3-实验14-房价预测案例-1

    07.4-实验14-房价预测案例-2

    07.5-实验14-房价预测案例-3

     

    第八章:深度学习计算-模型构造

    08.1-模型构造-1

    08.2-模型构造-2

    08.3-模型构造-3

    08.4-实验15-模型构造-1

    08.5-实验15-模型构造-2

     

    第九章:深度学习计算-模型参数的访问、初始化和共享

    09.1-模型参数的访问

    09.2-模型参数初始化和共享

    09.3-实验16-模型参数-1

    09.4-实验16-模型参数-2

     

    第十章:深度学习计算-自定义层与读取和储存

    10.1-不含模型参数的自定义层

    10.2-含模型参数的自定义层

    10.3-实验17-自定义层

    10.4-读取和储存

    10.5-GPU计算

    10.6-实验18-读取和储存

     

     

    第十一章:卷积神经网络

    11.01-卷积神经网络

    11.02-卷积神经网络的组成层

    11.03-图像分类的局限性

    11.04-二维卷积层与卷积层

    11.05-卷积在图像中的直观作用

    11.06-实验19-二维卷积层

    11.07-填充与步幅

    11.08-卷积过程

    11.09-卷积层参数-1

    11.10-卷积层参数-2

    11.11-实验20-Pad和Stride

    11.12-多输入和输出通道

    11.13-实验21-多通道

    11.14-池化层

    11.15-实验22-池化层

     

    第十二章:经典网络

    12.01-卷积神经网络

    12.02-实验23-LeNet模型

    12.03-深度卷积神经网络

    12.04-实验24-AlexNet模型

    12.05-使用重复元素的网络

    12.06-实验25-VGG模型

    12.07-网络中的网络

    12.08-实验26-NiN模型

    12.09-含并行连接的网络

    12.10-实验27-GoogLeNet模型

    12.11-批量归一化-1

    12.12-批量归一化-2

    12.13-实验28-批量归一化

    12.14-残差网络

    12.15-实验29-残差网络

    12.16-稠密连接网络

    12.17-实验30-稠密连接网络

     

    第十三章:循环神经网络

    13.01-语言模型和计算

    13.02-n元语法

    13.03-RNN和RNNs

    13.04-标准RNN向前输出流程和语言模型应用

    13.05-vector-to-sequence结构

    13.06-实验31-语言模型数据集-1

    13.07-实验31-语言模型数据集-2

    13.08-实验32-从零实现循环神经网络-1

    13.09-实验32-从零实现循环神经网络-2

    13.10-实验32-从零实现循环神经网络-3

    13.11-实验32-从零实现循环神经网络-4

    13.12-实验33-简洁实现循环神经网络-1

    13.13-实验33-简洁实现循环神经网络-2

     

    第十四章:RNN进阶

    14.01-通过时间反向传播-1

    14.02-通过时间反向传播-2

    14.03-长短期记忆-1

    14.04-长短期记忆-2

    14.05-实验34-长短期记忆网络-1

    14.06-实验34-长短期记忆网络-2

    14.07-门控循环单元

    14.08-RNN扩展模型

    14.09-实验35-门控循环单元

     

    第十五章:优化算法

    15.01-优化与深度学习

    15.02-局部最小值和鞍点

    15.03-提高深度学习的泛化能力

    15.04-实验36-小批量梯度下降-1

    15.05-实验36-小批量梯度下降-2

    15.06-动量法-1

    15.07-动量法-2

    15.08-实验37-动量法

    15.09-AdaGrad算法与特点

    15.10-实验38-AdaGrad算法

    15.11-RMSrop算法

    15.12-实验39-RMSProp算法

    15.13-AdaDelta算法

    15.14-实验40-AdaDelta算法

    15.15-Adam算法

    15.16-实验41-Adam算法

    15.17-不用二阶优化讲解与超参数

     

    第十六章:计算机视觉

    16.01-图像增广与挑战

    16.02-翻转、裁剪、变化颜色与叠加

    16.03-实验42-图像增广-1

    16.04-实验42-图像增广-2

    16.05-微调

    16.06-迁移学习

    16.07-实验43-微调-1

    16.08-实验43-微调-2

    16.09-目标检测

    16.10-边界框

    16.11-实验44-边界框

    16.12-锚框与生成多个锚框

    16.13-交并比

    16.14-实验45-生成锚框-1

    16.15-实验45-生成锚框-2

    16.17-标注训练集的锚框-1

    16.18-标注训练集的锚框-2

    16.19-实验46-标注训练集的锚框-1

    16.20-实验46-标注训练集的锚框-2

    16.21-实验46-标注训练集的锚框-3

    16.22-输出预测边界框

    16.23-实验47-输出预测边界框-1

    16.24-实验47-输出预测边界框-2

    16.25-多尺度目标检测

    16.26-实验48-多尺度目标检测

    16.27-目标检测算法分类

    16.28-SSD与模型设计

    16.29-预测层

    16.30-损失函数

    16.31-SSD预测

    16.32-实验49-目标检测数据集

    16.33-实验50-SSD目标检测-1

    16.34-实验50-SSD目标检测-2

    16.35-实验50-SSD目标检测-3

    16.36-实验50-SSD目标检测-4

    16.37-实验50-SSD目标检测-5

    16.38-实验50-SSD目标检测-6

     

    第十七章:自然语言处理

    17.01-词嵌入和词向量

    17.02-神经网络模型

    17.03-跳字模型

    17.04-训练跳字模型

    17.05-连续词袋模型

    17.06-负采样

    17.07-层序softmax

    17.08-子词嵌入

    17.09-Fasttext模型

    17.10-全局向量的词嵌入

    17.11-实验51-word2vec之数据预处理-1

    17.12-实验51-word2vec之数据预处理-2

    17.13-实验52-word2vec之负采样-1

    17.14-实验52-word2vec之负采样-2

    17.15-实验53-word2vec之模型构建-1

    17.16-实验53-word2vec之模型构建-2

    17.17-实验54-求近义词和类比词-1

    17.18-实验54-求近义词和类比词-2

    17.19-实验55-文本情感分类RNN-1

    17.20-实验55-文本情感分类RNN-2

    17.21-实验55-文本情感分类RNN-3

    17.22-实验55-文本情感分类RNN-4

    17.23-TextCNN

    17.24-TextCNN流程

    17.25-实验56-文本情感分类textCNN-1

    17.26-实验56-文本情感分类textCNN-2

    17.27-Seq2Seq的历史与网络架构

    17.28-Seq2Seq的应用与存在的问题

    17.29-Attention机制与Bucket机制

    17.30-实验57-机器翻译之模型构建-1

    17.31-实验57-机器翻译之模型构建-2

    17.32-实验57-机器翻译之模型构建-3

    17.33-实验58-机器翻译之训练评估-1

    17.34-实验58-机器翻译之训练评估-2

    17.35-实验58-机器翻译之训练评估-3

    推荐课程

    信息系统项目管理师自考笔记

    李明 · 724人在学

    python从0到1:期货量化交易系统(CTP实战,高频及合成K线数据

    王先生 · 22107人在学

    手把手搭建Java超市管理系统【附源码】(毕设)

    汤小洋 · 4205人在学

    Java毕设springboot外卖点餐系统 毕业设计毕设源码 使用教

    黄菊华 · 788人在学

    基于SSM酒店管理系统(毕设)

    小尼老师 · 842人在学

    java项目实战之购物商城(java毕业设计)

    Long · 5154人在学

    手把手搭建Java求职招聘系统【附源码】(毕设)

    汤小洋 · 1506人在学

    Python Django 深度学习 小程序

    钟翔 · 2319人在学

    城管局门前三包管理系统+微信小程序(vue+springboot)

    赖国荣 · 598人在学

    Vue+Uni-app(uniapp)入门与实战+赠送仿美团点餐小程序

    李杰 · 3985人在学

    正在试验
    后自动删除环境
    课程实验
    本次实验时间已到期 00:00:00
    课件正在飞速打包中,请耐心等待几秒钟~