深度学习入门
深度学习从零入门
透彻理解CNN
CNN延伸：深度学习框架与高级应用
- 第四课第1节：Caffe介绍
- 第四课第2节：为什么使用tesorflow？
- 第四课第3节：Tensflow计算图
- 第四课第4节：Tensflow会话机制和打印结果
- 第四课第5节：TensorBoard可视化
- 第四课第6节：Tensflow数据类型
- 第四课第7节：Pytroch计算图介绍
- 第四课第8节：Pytroch建模使用方法
- 第四课第9节：Pytorch和tensorflow区别
- 第四课第10节：Pytroch代码实战
- 第五课第1节：对抗生成网络原理
- 第五课第2节：深度卷积对抗生成网络
- 第五课第3节：图像翻译(Pix2Pix)
- 第五课第4节：多领域图像翻译
- 第五课第5节：文本生成图像(Text2Img)
- 第五课第6节：DCGAN实现手写数字实战
掌握自然语言处理中的神经网络
- 第六课第1节：词向量介绍
- 第六课第2节：词向量离散表示-N-gram和语言模型
- 第六课第3节：词向量分布式表示-共现矩阵和SVD降维
- 第六课第4节：词向量分布式表示-NNLM
- 第六课第5节：词向量分布式表示-Word2vec
- 第六课第6节：Word2vec问题和词嵌入效果评估
- 第六课第7节：Word2vec工具介绍-gensim
- 第七课第1节：RNN的应用场景
- 第七课第2节：RNN的网络层级结构
- 第七课第3节：不同类型的RNN
- 第七课第4节：深层双向RNN与BPTT算法
- 第七课第5节：生成模型与图像描述
- 第七课第6节：LSTM、GRU
- 第七课第7节：实战：用LSTM模型建立一个唐诗生成器
- 第八课第1节：RNN条件生成
- 第八课第2节：机器翻译
- 第八课第3节：Attention机制
- 第八课第4节：图像生成文本
- 第八课第5节：总结与代码实战
迁移学习与增强学习
- 第十课第3节：风格迁移实现原理步骤续
- 第十课第4节：模型Fine-tuning
- 第十课第5节：多语种语音识别 Multitask Learning
- 第十课第6节：域对抗 Domain-adversarial training
- 第十课第7节：Capsule Net
- 第九课第1节：强化学习介绍
- 第九课第2节：强化学习的难点
- 第九课第3节：马尔可夫决策过程
- 第九课第4节：打折未来奖励
- 第九课第5节：Q-learning
- 第九课第6节：Deep Q-Network
- 第九课第7节：Q-learning应用
- 第九课第8节：案例 Flappy-bird
- 第十课第1节：风格迁移应用
- 第十课第2节：风格迁移实现原理步骤
提交答案
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！
馈，我们将及时处理！
课时介绍
度学习应用
课程介绍
推荐课程