点播
课程时长 35小时25分钟
学习期限 12 个月 退款期限 30 天
市场价格 ￥466.00 会员价格 ￥373.00
难度级别 中级 学习人次 392 综合评分 4.2
- 详情
- 目录
- 套餐7
- 咨询22
- 评价30
第1章 课程介绍
- 1-1 课程导学 试听18分钟06秒
第2章 神经网络入门
- 2-1 机器学习、深度学习简介21分钟35秒
- 2-2 神经元-逻辑斯底回归模型26分钟49秒
- 2-3 神经元多输出18分钟06秒
- 2-4 梯度下降15分钟53秒
- 2-5 数据处理与模型图构建(1)24分钟12秒
- 2-6 数据处理与模型图构建(2)25分钟35秒
- 2-7 神经元实现（二分类逻辑斯蒂回归模型实现）16分钟24秒
- 2-8 神经网络实现（多分类逻辑斯蒂回归模型实现）29分钟13秒
第3章 卷积神经网络
- 3-1 神经网络进阶 试听21分钟46秒
- 3-2 卷积神经网络（1）23分钟43秒
- 3-3 卷积神经网络（2）26分钟11秒
- 3-4 卷积神经网络实战13分钟03秒
第4章 卷积神经网络进阶
- 4-1 卷积神经网络进阶（alexnet）12分钟44秒
- 4-2 卷积神经网络进阶（Vggnet-Resnet）25分钟17秒
- 4-3 卷积神经网络进阶（inception-mobile-net）13分钟07秒
- 4-4 VGG-ResNet实战（1）20分钟34秒
- 4-5 VGG-ResNet实战（2）21分钟58秒
- 4-6 Inception-mobile_net（1）14分钟18秒
- 4-7 Inception-mobile_net（2）28分钟31秒
第5章 卷积神经网络调参
- 5-1 adagrad_adam29分钟03秒
- 5-2 激活函数到调参技巧（1）22分钟41秒
- 5-3 激活函数到调参技巧（2）21分钟37秒
- 5-4 Tensorboard实战（1）15分钟14秒
- 5-5 Tensorboard实战（2）29分钟18秒
- 5-6 fine-tune-实战13分钟35秒
- 5-7 activation-initializer-optimizer-实战28分钟01秒
- 5-8 图像增强api使用26分钟17秒
- 5-9 图像增强实战12分钟56秒
- 5-10 批归一化实战（1）15分钟53秒
- 5-11 批归一化实战（2）18分钟59秒
第6章 图像风格转换
- 6-1 卷积神经网络的应用16分钟15秒
- 6-2 卷积神经网络的能力26分钟31秒
- 6-3 图像风格转换V1算法24分钟10秒
- 6-4 VGG16预训练模型格式26分钟19秒
- 6-5 VGG16预训练模型读取函数封装22分钟53秒
- 6-6 VGG16模型搭建与载入类的封装21分钟55秒
- 6-7 图像风格转换算法定义输入与调用VGG-Net25分钟54秒
- 6-8 图像风格转换计算图构建与损失函数计算11分钟47秒
- 6-9 图像风格转换训练流程代码实现27分钟33秒
- 6-10 图像风格转换效果展示17分钟18秒
- 6-11 图像风格转换V2算法16分钟37秒
- 6-12 图像风格转换V3算法28分钟55秒
第7章 循环神经网络
- 7-1 序列式问题 试听29分钟21秒
- 7-2 循环神经网络11分钟42秒
- 7-3 长短期记忆网络14分钟55秒
- 7-4 基于LSTM的文本分类模型(TextRNN与HAN)13分钟58秒
- 7-5 基于CNN的文本分类模型(TextCNN)17分钟41秒
- 7-6 RNN与CNN融合解决文本分类28分钟42秒
- 7-7 数据预处理之分词16分钟23秒
- 7-8 数据预处理之词表生成与类别表生成11分钟09秒
- 7-9 实战代码模块解析16分钟22秒
- 7-10 超参数定义22分钟24秒
- 7-11 词表封装与类别封装20分钟33秒
- 7-12 数据集封装26分钟44秒
- 7-13 计算图输入定义20分钟24秒
- 7-14 计算图实现22分钟39秒
- 7-15 指标计算与梯度算子实现21分钟15秒
- 7-16 训练流程实现26分钟20秒
- 7-17 LSTM单元内部结构实现17分钟56秒
- 7-18 TextCNN实现27分钟42秒
- 7-19 循环神经网络总结18分钟11秒
第8章 图像生成文本
- 8-1 图像生成文本问题引入⼊26分钟57秒
- 8-2 图像生成文本评测指标27分钟
- 8-3 Encoder-Decoder框架与Beam Search算法生成文本21分钟20秒
- 8-4 Multi-Modal RNN模型23分钟45秒
- 8-5 Show and Tell模型15分钟20秒
- 8-6 Show attend and Tell 模型19分钟15秒
- 8-7 Bottom-up Top-down Attention模型13分钟10秒
- 8-8 图像生成文本模型对比与总结21分钟33秒
- 8-9 数据介绍，词表生成18分钟25秒
- 8-10 图像特征抽取(1)-文本描述文件解析11分钟30秒
- 8-11 图像特征抽取(2)-InceptionV3预训练模型抽取图像特征20分钟
- 8-12 输入输出文件与默认参数定义22分钟06秒
- 8-13 词表载入20分钟13秒
- 8-14 文本描述转换为ID表示18分钟44秒
- 8-15 ImageCaptionData类封装-图片特征读取13分钟16秒
- 8-16 ImageCaptionData类封装-批数据生成18分钟49秒
- 8-17 计算图构建-辅助函数实现24分钟43秒
- 8-18 计算图构建-图片与词语embedding17分钟47秒
- 8-19 计算图构建-rnn结构实现、损失函数与训练算子实现22分钟50秒
- 8-20 训练流程代码29分钟22秒
- 8-21 文本生成图像问题引入与本节课总结27分钟49秒
第9章 对抗神经网络
- 9-1 对抗生成网络原理18分钟07秒
- 9-2 深度卷积对抗生成网络DCGAN(1)11分钟50秒
- 9-3 反卷积11分钟28秒
- 9-4 深度卷积对抗生成网络DCGAN(2)12分钟30秒
- 9-5 图像翻译Pix2Pix10分钟14秒
- 9-6 无配对图像翻译CycleGAN(1)14分钟41秒
- 9-7 无配对图像翻译CycleGAN(2)16分钟46秒
- 9-8 多领域图像翻译StarGAN22分钟24秒
- 9-9 文本生成图像Text2Img18分钟37秒
- 9-10 对抗生成网络总结14分钟55秒
- 9-11 DCGAN实战引⼊16分钟22秒
- 9-12 数据生成器实现18分钟43秒
- 9-13 DCGAN生成器器实现16分钟25秒
- 9-14 DCGAN判别器实现13分钟39秒
- 9-15 DCGAN计算图构建实现与损失函数实现29分钟47秒
- 9-16 DCGAN训练算子实现27分钟55秒
- 9-17 训练流程实现与效果展示20分钟11秒
第10章 自动机器学习网络-AutoML
- 10-1 AutoML引入15分钟30秒
- 10-2 自动网络结构搜索算法一19分钟32秒
- 10-3 自动网络结构搜索算法一的分布式训练20分钟48秒
- 10-4 自动网络结构搜索算法二15分钟33秒
- 10-5 自动网络结构搜索算法三12分钟59秒
第11章 课程总结
- 11-1 课程总结11分钟58秒
授课教师
软件工程师