人工智能深度学习应用实践

冰点也疯狂

课程目录：
8 D7 G! Q& I! X# g01 理解神经网络
1.1-1.4 神经网络概念与演示.mp4
1.5 开发环境的安装.mp4
9 M/ E9 e; q. X$ h1 w* w4 c9 n1.6 初探keras神经网络与加深.mp4
4 }& e# |, ^! Z; Q, b1.7 初探tensorflow神经网络与加深.mp4
& ^2 {. _: W! W  Z5 p1.8 使用云端GPU环境.mp4
+ N3 E2 b) m  K3 j" c' x
6 s4 @! o2 T! Y) `02 深度卷积神经网络CNN
. [5 n8 m" q8 ^( @: a. e2.1 卷积网络基本原理.mp4
* G# `( l+ [5 `* ^& V: y2.2 普通神经网络和卷积神经网络对比.mp4
2.3 卷积神经网络可视化 - part1.mp4
" x/ h- l* ^, Q2.3 卷积神经网络可视化 - part2.mp4
2.4 深度学习基本框架与常见深度网络.mp4

03 快速使用Keras展开深度学习的应用
3.1 kreas-顺序模型与评估.mp4
3 F* A+ s# q: d3.2 keras_scikit_learn模型评估与参数调优-1.mp4
' J- r$ X* ]: y! w+ P" r0 H( M3.2 keras_scikit_learn模型评估与参数调优-2.mp4
3.2 keras_scikit_learn模型评估与参数调优-3.mp4
3 `+ n6 C' u1 H7 h" B3.2 keras_scikit_learn模型评估与参数调优-4.mp4
3.3 keras_scikit_learn的keras封装.mp4
; A. p8 D4 o% M+ e) T3.4_keras-数据保存-1.mp4
$ g/ @; i8 y0 U6 f. k& B# [3.4_keras-数据保存-2.mp4
3.5_keras-优化器.mp4
9 W; o  e6 \  Y/ P3.6_keras-数据增强-1.mp4
& E* B- ~  S& ]" A$ k3.6_keras-数据增强-2.mp4
- i+ T7 f$ h7 X- V; g) y" s3.6_keras-数据增强-3.mp4
: E, J+ u7 f2 e7 n, S0 V3.7_keras-已训练模型与迁移学习-1.mp4
5 Y: \' g) L( K3.7_keras-已训练模型与迁移学习-2.mp4
; O# {1 b9 R$ P5 r! j3.8_keras-常用层使用-1.mp4
3.8_keras-常用层使用-2.mp4
# l: S) C- a/ c( _% |3.8_keras-常用层使用-3.mp4
3.8_keras-常用层使用-4.mp4
8 Z; c: K6 D/ F0 ]$ S; c, _. R( H3.8_keras-常用层使用-5.mp4
0 q' {" _$ f! O/ ~! D3.9_keras-综合-resnet实现-1.mp4
3.9_keras-综合-resnet实现-2.mp4
3.9_keras-综合-推荐系统-1.mp4
3.9_keras-综合-推荐系统-2.mp4
3.9_keras-综合-推荐系统-3.mp4
3.9_keras-综合-推荐系统-4.mp4
2 |- C$ d& e2 _" _5 c
9 ]/ }8 i7 p2 p; L- t( s% b2 Q# z04 快速使用tensorflow展开深度学习的应用
1.TensorFlow-基本知识-1.mp4
1.TensorFlow-基本知识-2.mp4
1.TensorFlow-基本知识-3.mp4
, t$ i2 B! B. s7 g/ k# u. |5 p) G7 G1.TensorFlow-基本知识-4.mp4
1.TensorFlow-基本知识-5.mp4
7 q; e, i; ~: }' E/ o3 n1.TensorFlow-基本知识-6.mp4
: e& o" r  L% `% ^* p2.多层感知器与CNN-1.mp4
4 Y# @& _2 N- c5 k* S0 @2.多层感知器与CNN-2.mp4
9 X" e5 z5 M% u+ ~8 B$ e3.tensorflow最新应用与keras-1.mp4
3.tensorflow最新应用与keras-2.mp4
3.tensorflow最新应用与keras-3.mp4
3.tensorflow最新应用与keras-4.mp4
3.tensorflow最新应用与keras-5.mp4
; w& N0 U! g; t( p3.tensorflow最新应用与keras-6.mp4
- e) D# l: K# y# Y1 w1 ~! r3.tensorflow最新应用与keras-7.mp4
' t/ q, }7 I/ [4 h+ S2 T
! }4 F8 R7 X8 N! j2 e# Y: g: J
5 r  R; Q* `% f4 x0 p9 B8 H05 分类
文本分类1.mp4
文本分类2.mp4
  @* i' R" X% r5 ~1 b招牌分类1.mp4
招牌分类2.mp4
$ ]- |% R+ X5 N: {) A招牌分类3.mp4
* o: y* f" O% O# A, b6 n4 n& G6 I招牌分类4.mp4
招牌分类5.mp4
招牌分类6.mp4

0 g$ O; s* d: e06 目标检测
retinanet进行目标检测-1.mp4
retinanet进行目标检测-2.mp4
retinanet进行目标检测-3.mp4
retinanet进行目标检测-4.mp4
3 {& f+ x% n1 L% A7 N* kretinanet进行目标检测-5.mp4
retinanet进行目标检测-6.mp4
retinanet进行目标检测-7.mp4
目标检测关键技术介绍-1.mp4
2 D2 R6 c& l5 `/ w2 [# b$ G目标检测关键技术介绍-2.mp4
+ E8 n! z$ w% p0 x, E目标检测关键技术介绍-3.mp4
& c. P$ S% l$ ?7 c# ^
  V# \. ?" O, Y  X07 分割
Mask-RCNN分割例子-1.mp4
) M/ A  B4 I: J) yMask-RCNN分割例子-2.mp4
# v6 b6 m( `$ t+ ~$ E* {. X# ^% rMask-RCNN分割例子-3.mp4
4 O  o" d9 D/ H& t0 K; iMask-RCNN分割例子-4.mp4
  }7 x# J) O  B! g2 ku-net1.mp4
u-net2-1.mp4
u-net2-2.mp4
u-net2-3.mp4
图像分割关键技术-1.mp4
图像分割关键技术-2.mp4
图像分割关键技术-3.mp4
, A4 l7 X, @& _
08 循环神经网络
1-循环神经网络基本理论.mp4
& r8 I" A+ T0 A- e2-字母预测1.mp4
2-字母预测2.mp4
2 }# ]( ~- g% }0 r2-字母预测3.mp4
; O- U- ]" \4 z! q0 ^* C& U' ]2-字母预测4.mp4
  x/ N, F( J1 ?7 e" {3-股票预测1.mp4
3-股票预测2.mp4
3-股票预测3.mp4
3 n# j" m* z+ f8 p+ `+ Y0 e4-诗词自动生成.mp4
5.莎士比亚诗句自动生成.mp4
* z5 p+ p! n' S3 R: C1 N7 |: L. i
- B4 G/ R$ T* @, f( E  r
# I% X# {0 f& y2 k! Y/ M09 生成式对抗网络
/ O0 H" T  m. e; B: U# }* m1-gan.mp4
2-cyclegan.mp4
4 B& n; d: t4 d1 ]* K$ L3-srgan.mp4
" X5 O6 Z2 H/ f' ~7 j( A4-gan例子-1.mp4
# l5 q/ U3 N3 @( ]/ {( G# [4-gan例子-2.mp4
5-cyclegan例子-1.mp4
5-cyclegan例子-2.mp4
% K4 h2 C  K. |3 Y; |! `8 y2 a* W5 s6-srgan-1.mp4
6-srgan-2.mp4
; M, B& j2 ?1 E/ L) \& M" \  o
+ M/ c: [/ W, h" {1 C/ Y4 a10 深度强化学习
! T: Q' O! u  y+ p0 ^深度强化学习1.mp4
$ U( U8 Y/ c; z; @深度强化学习2.mp4
深度强化学习3.mp4
深度强化学习4.mp4
深度强化学习5.mp4
$ V" G: h, {4 G7 p- a6 z( E深度强化学习6.mp4
深度强化学习7.mp4
4 J6 Z9 x: |  J7 V* P1 S
11 图像风格转换
1-deepdream1.mp4
2-deepdream2.mp4
$ M( a8 B4 f( O0 T# I( o  E' g6 [3-deepdream3.mp4
4-deepdream4.mp4
5-deepdream5.mp4
6-styletransfer1.mp4
6-styletransfer2.mp4
6-styletransfer3.mp4
( i0 k7 e" H- r/ c5 W/ x: V

游客，如果您要查看本帖隐藏内容请回复

& l1 a6 k. s6 L+ ~

leecdleecd

thanks for sharing.

杨文帅

hanks for sharing.5 I. O.