|
|
课程目标0 _, @$ W! E* u/ ~) T6 R1 C9 |
快速掌握风格转换原理以及如何使用Tensorflow实现网络模型和测试效果
2 H" F; B& f; C8 m0 R
; e2 o. `4 Y% H& l适用人群
2 i% H- r# g5 b- W, |深度学习,人工智能,机器学习爱好者
) {7 l$ s6 J2 k- I$ {$ W: T
/ |1 G1 v/ G" a; v' B5 U E$ e7 M课程简介7 }6 ?! z" R ]
Style-Transfer是深度学习的酷炫应用,课程从基本原理开始讲解,逐步分析如何构造网络模型以及面临的挑战和解决思路,详解如何使用卷积神经网络构造风格转移模型并基于最流行的Tensorflow框架从零开始分模块构造网络模型。
9 _+ J! F8 E' S5 Y! u( @2 Y% ^0 d5 Z) q$ @7 v u1 y H, [) L
课程目录
5 s- v9 N% n: k7 w* {01 课程简介04:53
! R H7 y- x8 S% K- l9 \7 s02 Tensorflow安装03:31) R/ k! j5 N, S# R3 z1 |! z/ Y
03 style-transfer基本原理07:35; @1 a: @9 d8 Z; [9 n5 F* T& N
04 风格生成网络结构原理07:06
# M4 ~/ U: X4 ?4 o7 ~05 风格生成网络细节11:52" B$ C3 a- f( ?
06 风格转换效果展示05:37
5 \0 u! b& U' x8 X07 风格转换参数配置12:45
9 ]- D9 U# u. a6 S, R! }; S, }2 C" U08 数据读取操作09:57
# _, [8 U1 r* s/ d8 x# y" z; x09 VGG体征提取网络结构10:16
7 n3 p, }2 v" f2 z+ O4 Y10 内容与风格特征提取09:20
U. V- T* |( G5 h11 生成网络结构定义05:33
6 Y' L! f* i& d( a: H! A* ?% \5 a12 生成网络计算操作11:12) [; j( q6 r% D
13 参数初始化08:503 ] e5 w1 F# K- w
14 Content损失计算05:52. R5 U9 w; h6 \' J3 l* |0 M
15 Style损失计算08:41! a/ v7 ?" O: Q D7 T
16 完成训练模块11:03
Y I9 p! U4 `- A; H17 模型保存与打印结果08:242 X& {) ?8 V' [. h
18 完成测试代码& H/ W2 V. I/ d& [: h
/ |2 R' p+ \" q: K, D0 w3 @
|
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有账号?立即注册
×
|