TA的每日心情 | 擦汗 2023-5-6 02:41 |
---|
签到天数: 570 天 [LV.9]以坛为家II
管理员
- 积分
- 16558
|
登录后查看本帖详细内容!
您需要 登录 才可以下载或查看,没有帐号?立即注册
x
目录
课程介绍
本课程基于TensorFlow 2.0版本讲解,近200课时,每节课时平均10分钟,网易云最受好评、通俗易懂、深入浅出的TF2深度学习课程。
2019.08更新:自定义数据集加载,基于宝可梦精灵的迁移学习实战
2019.07更新:LSTM情感分类任务实战,基于IMDB电影评价数据集
2019.06更新:反向传播算法实战,手动推导梯度传播原理
2019.05更新:二次元动漫头像图片生成实战,基于GAN网络
课程介绍
本课程适合于深度学习和人工智能方向新手,需要零基础、快速、深入学习人工智能的朋友。
课程目录
章节1:深度学习初见
1AI学习指南14:19
2深度学习框架介绍-110:21
3深度学习框架介绍-209:55
4开发环境安装-110:22
5开发环境安装-211:19
章节2:选看:开发环境全程实录
6Win10平台实录-129:51
7Win10平台实录-223:26
8Ubuntu平台实录-CUDA安装10:15
9Ubuntu平台实录-Anaconda安装10:00
10Ubuntu平台实录-TensorFlow/PyTorch安装14:47
11Ubuntu平台实录-PyCharm安装05:44
章节3:回归问题
12线性回归-108:03
13线性回归-210:41
14回归问题实战-107:34
15回归问题实战-211:05
16手写数字问题-111:32
17手写数字问题-209:18
18手写数字问题-310:10
19手写数字问题初体验-109:12
20手写数字问题初体验-207:58
章节4:TensorFlow 2基础操作
21Tensor数据类型-112:02
22Tensor数据类型-211:47
23创建Tensor-110:40
24创建Tensor-209:54
25创建Tensor-307:12
26索引与切片-110:37
27索引与切片-211:18
28索引与切片-306:42
29索引与切片-413:17
30索引与切片-512:28
31维度变换-111:51
32维度变换-212:11
33维度变换-308:19
34Broadcasting-111:26
35Broadcasting-210:55
36数学运算13:25
37前向传播(张量)-实战-110:02
38前向传播(张量)-实战-210:32
39前向传播(张量)-实战-310:10
40前向传播(张量)-实战-410:22
章节5:TensorFlow 2高阶操作
41合并与分割13:00
42数据统计14:29
43张量排序-108:42
44张量排序-212:40
45填充与复制13:03
46张量限幅-110:11
47张量限幅-210:49
48高阶操作-110:05
49高阶操作-209:31
章节6:神经网络与全连接层
50数据加载-110:01
51数据加载-207:38
52数据加载-309:12
53测试(张量)-实战15:36
54全连接层-110:39
55全连接层-210:59
56输出方式12:43
57误差计算-113:17
58误差计算-211:46
59误差计算-310:30
章节7:随机梯度下降
60梯度下降-简介-107:41
61梯度下降-简介-209:31
62常见函数的梯度07:22
63激活函数及其梯度15:33
64损失函数及其梯度-108:12
65损失函数及其梯度-212:32
66单输出感知机梯度12:47
67多输出感知机梯度13:15
68链式法则12:57
69反向传播算法-110:10
70反向传播算法-209:54
71函数优化实战08:32
72手写数字问题实战(层)-110:04
73手写数字问题实战(层)-210:34
74手写数字问题实战(层)-311:35
75TensorBoard可视化-110:04
76TensorBoard可视化-210:04
章节8:Keras高层接口
77Keras高层API-108:56
78Keras高层API-208:02
79Keras高层API-308:11
80自定义层/网络-109:13
81自定义层/网络-209:57
82模型加载与保存10:53
83CIFAR10自定义网络实战-110:04
84CIFAR10自定义网络实战-210:02
85CIFAR10自定义网络实战-311:44
章节9:过拟合
86过拟合与欠拟合14:24
87交叉验证-110:24
88交叉验证-213:25
89Regularization12:59
90动量与学习率14:11
91Early Stopping和Dropout14:53
章节10:卷积神经网络
92什么是卷积-110:04
93什么是卷积-210:02
94什么是卷积-309:03
95什么是卷积-407:02
96卷积神经网络-110:36
97卷积神经网络-210:31
98卷积神经网络-309:22
99卷积神经网络-411:17
100池化与采样07:22
101CIFAR100与VGG13实战-110:13
102CIFAR100与VGG13实战-209:55
103CIFAR100与VGG13实战-310:12
104CIFAR100与VGG13实战-407:10
105经典卷积网络VGG, GoogLeNet, Inception-110:14
106经典卷积网络VGG, GoogLeNet, Inception-208:56
107BatchNorm13:35
108BatchNorm-212:34
109ResNet, DenseNet - 112:03
110ResNet, DenseNet - 212:32
111ResNet实战-110:21
112ResNet实战-210:06
113ResNet实战-310:19
114ResNet实战-411:48
章节11:循环神经网络RNN
115序列表示方法-111:45
116序列表示方法-212:26
117循环神经网络层-110:49
118循环神经网络层-212:15
119RNNCell使用-110:20
120RNNCell使用-208:48
121RNN与情感分类问题实战-加载IMDB数据集10:41
122RNN与情感分类问题实战-单层RNN Cell10:29
123RNN与情感分类问题实战-网络训练09:42
124RNN与情感分类问题实战-多层RNN Cell09:53
125RNN与情感分类问题实战-高层接口09:27
126梯度弥散与梯度爆炸13:34
127LSTM-113:08
128LSTM-206:46
129LSTM实战11:49
130GRU原理与实战13:51
章节12:自定义数据集和迁移学习
131宝可梦精灵数据集10:32
132自定义数据集加载流程12:58
133自定义数据集实现10:17
134数据增强09:43
135数据标准化07:13
136从零训练ResNet10:44
137小样本训练难题07:28
138迁移学习原理与实战13:54
章节13:自编码器Auto-Encoders
139无监督学习10:07
140Auto-Encoders原理10:14
141Auto-Encoders变种10:17
142Adversarial Auto-Encoders10:11
143Variational Auto-Encoders引入10:01
144Reparameterization Trick10:40
145Variational Auto-Encoders原理11:00
146Auto-Encoders实战-创建编解码器09:23
147Auto-Encoders实战-训练09:21
148Auto-Encoders实战-测试09:21
149VAE实战-创建网络09:26
150VAE实战-KL Divergence计算12:41
151VAE实战-训练与测试11:45
章节14:对抗生成网络GAN
152数据的分布08:58
153画家的成长历程13:04
154GAN原理10:01
155纳什均衡-D09:57
156纳什均衡-G13:42
157JS散度的缺陷16:36
158EM距离09:57
159WGAN-GP原理16:22
160GAN实战-110:20
161GAN实战-209:59
162GAN实战-310:09
163GAN实战-411:00
164GAN实战-508:33
165GAN实战-607:42
166WGAN实战-111:07
167WGAN实战-209:45
章节15:选看:人工智能发展简史
168生物神经元结构04:06
169感知机的提出10:07
170BP神经网络10:07
171CNN和LSTM的发明10:19
172人工智能低谷10:07
173深度学习的诞生10:13
174深度学习的爆发12:13
章节16:选看:Numpy实战BP神经网络
175权值的表示10:05
176多层感知机的实现10:18
177BP神经网络前向传播10:06
178BP神经网络反向传播-110:10
179BP神经网络反向传播-210:06
180BP神经网络反向传播-310:18
181多层感知机的训练10:24
182多层感知机的测试12:06
183实战小结
下载地址
|
|