课程序号 | 标题 | 下载地址 |
第01讲 | 01、TensorFlow框架简介_视频 | |
第01讲 | 01、TensorFlow框架简介_笔记 | |
第02讲 | 02、TensorFlow官方案例直观理解_视频 | |
第02讲 | 02、TensorFlow官方案例直观理解_笔记 | |
第03讲 | 03、为何选择TensorFlow_视频 | |
第03讲 | 03、为何选择TensorFlow_笔记 | |
第04讲 | 04、TensorFlow的安装CPU版本_MAC系统_视频 | |
第04讲 | 04、TensorFlow的安装CPU版本_MAC系统_笔记 | |
第05讲 | 05、TensorFlow的安装GPU版本_Windows系统_视频 | |
第05讲 | 05、TensorFlow的安装GPU版本_Windows系统_笔记 | |
第06讲 | 06、TensorFlow的基本概念、数据类型、操作节点_视频 | |
第06讲 | 06、TensorFlow的基本概念、数据类型、操作节点_笔记 | |
第07讲 | 07、TensorFlow图的构建阶段及代码案例_视频 | |
第07讲 | 07、TensorFlow图的构建阶段及代码案例_笔记 | |
第08讲 | 08、TensorFlow图的执行阶段及代码案例_视频 | |
第08讲 | 08、TensorFlow图的执行阶段及代码案例_笔记 | |
第09讲 | 09、TensorFlow张量、变量的区别及代码案例_视频 | |
第09讲 | 09、TensorFlow张量、变量的区别及代码案例_笔记 | |
第10讲 | 10、TensorFlow中feed与fetch讲解_视频 | |
第10讲 | 10、TensorFlow中feed与fetch讲解_笔记 | |
第11讲 | 11、TensorFlow编程作业解答_视频 | |
第11讲 | 11、TensorFlow编程作业解答_笔记 | |
第12讲 | 12、TensorFlow的控制依赖及其代码实现_视频 | |
第12讲 | 12、TensorFlow的控制依赖及其代码实现_笔记 | |
第13讲 | 13、TensorFlow的运行设备_视频 | |
第13讲 | 13、TensorFlow的运行设备_笔记 | |
第14讲 | 14、TensorFlow的作用域variable_scope_视频 | |
第14讲 | 14、TensorFlow的作用域variable_scope_笔记 | |
第15讲 | 15、TensorFlow的作用域name_scope_视频 | |
第15讲 | 15、TensorFlow的作用域name_scope_笔记 | |
第16讲 | 16、TensorFlow的可视化工具_视频 | |
第16讲 | 16、TensorFlow的可视化工具_笔记 | |
第17讲 | 17、TensorFlow的线程、队列、模型保存与提取_视频 | |
第17讲 | 17、TensorFlow的线程、队列、模型保存与提取_笔记 | |
第18讲 | 18、TensorFlow的激活函数、分类函数、优化策略_视频 | |
第18讲 | 18、TensorFlow的激活函数、分类函数、优化策略_笔记 | |
第19讲 | 19、TensorFlow实现线性回归代码案例_视频 | |
第19讲 | 19、TensorFlow实现线性回归代码案例_笔记 | |
第20讲 | 20、TensorFlow实现Softmax分类问题代码案例_视频 | |
第20讲 | 20、TensorFlow实现Softmax分类问题代码案例_笔记 | |
第21讲 | 21、TensorFlow的常见API_视频 | |
第21讲 | 21、TensorFlow的常见API_笔记 | |
第22讲 | 22、神经网络来源与感知器模型_视频 | |
第22讲 | 22、神经网络来源与感知器模型_笔记 | |
第23讲 | 23、S型神经元与常用激活函数_视频 | |
第23讲 | 23、S型神经元与常用激活函数_笔记 | |
第24讲 | 24、神经网络的结构与过拟合_视频 | |
第24讲 | 24、神经网络的结构与过拟合_笔记 | |
第25讲 | 25、神经网络之反向传播BP算法_视频 | |
第25讲 | 25、神经网络之反向传播BP算法_笔记 | |
第26讲 | 26、神经网络之BP算法举例说明_视频 | |
第26讲 | 26、神经网络之BP算法举例说明_笔记 | |
第27讲 | 27、神经网络之BP算法_代码实现_视频 | |
第27讲 | 27、神经网络之BP算法_代码实现_笔记 | |
第28讲 | 28、RBF径向基神经网络与DNN问题_视频 | |
第28讲 | 28、RBF径向基神经网络与DNN问题_笔记 | |
第29讲 | 29、神经网络之BP算法_实战预测案例_视频 | |
第29讲 | 29、神经网络之BP算法_实战预测案例_笔记 | |
第30讲 | 30、RBF径向基神经网络_Python代码实现_视频 | |
第30讲 | 30、RBF径向基神经网络_Python代码实现_笔记 | |
第31讲 | 31、神经网络之手写数字图片预测_TF代码_视频 | |
第31讲 | 31、神经网络之手写数字图片预测_TF代码_笔记 | |
第32讲 | 32、CNN卷积神经网络的层次结构_视频 | |
第32讲 | 32、CNN卷积神经网络的层次结构_笔记 | |
第33讲 | 33、CNN卷积神经网络之输入层_视频 | |
第33讲 | 33、CNN卷积神经网络之输入层_笔记 | |
第34讲 | 34、CNN的相关概念:卷积核 窗口 步长 深度 填充值_视频 | |
第34讲 | 34、CNN的相关概念:卷积核 窗口 步长 深度 填充值_笔记 | |
第35讲 | 35、CNN卷积神经网络之卷积计算层_视频 | |
第35讲 | 35、CNN卷积神经网络之卷积计算层_笔记 | |
第36讲 | 36、CNN卷积神经网络之ReLU激励层_视频 | |
第36讲 | 36、CNN卷积神经网络之ReLU激励层_笔记 | |
第37讲 | 37、CNN卷积神经网络之池化层与FC层_视频 | |
第37讲 | 37、CNN卷积神经网络之池化层与FC层_笔记 | |
第38讲 | 38、CNN卷积神经网络之批归一化BN层_视频 | |
第38讲 | 38、CNN卷积神经网络之批归一化BN层_笔记 | |
第39讲 | 39、CNN的优缺点与模型参数初始化_视频 | |
第39讲 | 39、CNN的优缺点与模型参数初始化_笔记 | |
第40讲 | 40、神经网络过拟合解决:正则化与Dropout_视频 | |
第40讲 | 40、神经网络过拟合解决:正则化与Dropout_笔记 | |
第41讲 | 41、卷积神经网络算法训练与数据增强_视频 | |
第41讲 | 41、卷积神经网络算法训练与数据增强_笔记 | |
第42讲 | 42、常见的TensorFlow图片处理API上集_视频 | |
第42讲 | 42、常见的TensorFlow图片处理API上集_笔记 | |
第43讲 | 43、常见的TensorFlow图片处理API下集_视频 | |
第43讲 | 43、常见的TensorFlow图片处理API下集_笔记 | |
第44讲 | 44、梯度下降GD与学习率的调整策略_视频 | |
第44讲 | 44、梯度下降GD与学习率的调整策略_笔记 | |
第45讲 | 45、经典卷积神经网络CNN之LeNet5_视频 | |
第45讲 | 45、经典卷积神经网络CNN之LeNet5_笔记 | |
第46讲 | 46、经典卷积神经网络CNN之AlexNet_视频 | |
第46讲 | 46、经典卷积神经网络CNN之AlexNet_笔记 | |
第47讲 | 47、经典卷积神经网络CNN之ZF Net_视频 | |
第47讲 | 47、经典卷积神经网络CNN之ZF Net_笔记 | |
第48讲 | 48、经典卷积神经网络CNN之GoogLeNet_视频 | |
第48讲 | 48、经典卷积神经网络CNN之GoogLeNet_笔记 | |
第49讲 | 49、经典卷积神经网络CNN之VGGNet与ResNet_视频 | |
第49讲 | 49、经典卷积神经网络CNN之VGGNet与ResNet_笔记 | |
第50讲 | 50、经典CNN网络LeNet实战:手写数字识别(分类)_视频 | |
第50讲 | 50、经典CNN网络LeNet实战:手写数字识别(分类)_笔记 | |
第51讲 | 51、经典CNN网络VGGNet比赛:17种花的图片识别_视频 | |
第51讲 | 51、经典CNN网络VGGNet比赛:17种花的图片识别_笔记 | |
第52讲 | 52、自主创建CNN网络实战:验证码图片识别_视频 | |
第52讲 | 52、自主创建CNN网络实战:验证码图片识别_笔记 | |
第53讲 | 53、循环神经网络RNN的定义与结构_视频 | |
第53讲 | 53、循环神经网络RNN的定义与结构_笔记 | |
第54讲 | 54、循环神经网络RNN的BPTT算法_视频 | |
第54讲 | 54、循环神经网络RNN的BPTT算法_笔记 | |
第55讲 | 55、RNN的各种结构:多层RNN、双向RNN、残差RNN_视频 | |
第55讲 | 55、RNN的各种结构:多层RNN、双向RNN、残差RNN_笔记 | |
第56讲 | 56、LSTM网络结构的精讲(非常重要)_视频 | |
第56讲 | 56、LSTM网络结构的精讲(非常重要)_笔记 | |
第57讲 | 57、LSTM的各种变种结构(GRU使用最多)_视频 | |
第57讲 | 57、LSTM的各种变种结构(GRU使用最多)_笔记 | |
第58讲 | 58、TensorFlow中RNN(LSTM、GRU) API的使用_整体把控_视频 | |
第58讲 | 58、TensorFlow中RNN(LSTM、GRU) API的使用_整体把控_笔记 | |
第59讲 | 59、RNN实战案例:手写数字图片识别(分类)_视频 | |
第59讲 | 59、RNN实战案例:手写数字图片识别(分类)_笔记 | |
第60讲 | 60、RNN的各种结构(多层、双向)的实现与效果对比_视频 | |
第60讲 | 60、RNN的各种结构(多层、双向)的实现与效果对比_笔记 | |
第61讲 | 61、GAN对抗生成网络的原理与应用场景_视频 | |
第61讲 | 61、GAN对抗生成网络的原理与应用场景_笔记 | |
第62讲 | 62、GAN的网络构建与损失函数定义_视频 | |
第62讲 | 62、GAN的网络构建与损失函数定义_笔记 | |
第63讲 | 63、GAN的优劣势与扩展、DCGAN与反卷积_视频 | |
第63讲 | 63、GAN的优劣势与扩展、DCGAN与反卷积_笔记 | |
第64讲 | 64、图像翻译Pix2Pix模型与U-Net结构_视频 | |
第64讲 | 64、图像翻译Pix2Pix模型与U-Net结构_笔记 | |
第65讲 | 65、无配对图像翻译模型CycleGAN_视频 | |
第65讲 | 65、无配对图像翻译模型CycleGAN_笔记 | |
第66讲 | 66、多领域图像翻译模型StarGAN_视频 | |
第66讲 | 66、多领域图像翻译模型StarGAN_笔记 | |
【更新完毕】开始实战项目 | | |