【资源目录】:

├──01.tensorflow环境安装
| ├──1-1 课程简介.mp4 3.84M
| ├──1-2 Tensorflow2版本简介与心得.mp4 32.74M
| ├──1-3 Tensorflow2版本安装方法.mp4 34.47M
| └──1-4 tf基础操作.mp4 20.11M
├──02.神经网络
| ├──2-1 深度学习要解决的问题.mp4 20.99M
| ├──2-10 神经网络架构细节.mp4 43.70M
| ├──2-11 神经元个数对结果的影响.mp4 41.92M
| ├──2-12 正则化与激活函数.mp4 26.73M
| ├──2-13 神经网络过拟合解决方法.mp4 36.73M
| ├──2-2 深度学习应用领域.mp4 59.04M
| ├──2-3 计算机视觉任务.mp4 19.50M
| ├──2-4 视觉任务中遇到的问题.mp4 37.09M
| ├──2-5 得分函数.mp4 19.12M
| ├──2-6 损失函数的作用.mp4 32.62M
| ├──2-7 前向传播整体流程.mp4 38.49M
| ├──2-8 返向传播计算方法.mp4 24.87M
| └──2-9 神经网络整体架构.mp4 31.47M
├──03.回归任务
| ├──3-1 任务目标与数据集简介.mp4 25.97M
| ├──3-2 建模流程与API文档.mp4 25.28M
| ├──3-3 网络模型训练.mp4 29.95M
| ├──3-4 模型超参数调节与预测结果展示.mp4 42.57M
| ├──3-5 分类模型构建.mp4 40.33M
| ├──3-6 tf.data模块解读.mp4 29.19M
| └──3-7 模型保存与读取实例.mp4 47.86M
├──04.卷积神经
| ├──4-1 卷积网络应用领域.mp4 26.64M
| ├──4-10 VGG网络架构.mp4 20.55M
| ├──4-11 残差网络Resnet.mp4 18.38M
| ├──4-12 感受野的作用.mp4 16.77M
| ├──4-2 卷积的作用.mp4 23.60M
| ├──4-3 卷积特征值计算方法.mp4 22.68M
| ├──4-4 得到特征图表示.mp4 18.47M
| ├──4-5 步长与卷积核大小对结果的影响.mp4 20.39M
| ├──4-6 边缘填充方法.mp4 17.93M
| ├──4-7 特征图尺寸计算与参数共享.mp4 22.04M
| ├──4-8 池化层的作用.mp4 11.33M
| └──4-9 整体网络架构.mp4 17.99M
├──05.识别实战
| ├──5-1 猫狗识别任务与数据简介.mp4 18.22M
| ├──5-2 卷积网络涉及参数解读.mp4 25.91M
| ├──5-3 网络架构配置.mp4 28.13M
| └──5-4 卷积模型训练与识别效果展示.mp4 42.36M
├──06.图像数据增强
| ├──6-1 数据增强概述.mp4 39.30M
| ├──6-2 图像数据变换.mp4 66.27M
| └──6-3 猫狗识别任务数据增强实例.mp4 20.99M
├──07.迁移学习实战
| ├──7-1 迁移学习的目标.mp4 13.29M
| ├──7-2 迁移学习策略.mp4 16.08M
| ├──7-3 Resnet原理.mp4 60.19M
| ├──7-4 加载训练好的经典网络模型.mp4 34.20M
| ├──7-5 Callback模块与迁移学习实例.mp4 39.86M
| ├──7-6 tfrecords数据源制作方法.mp4 34.13M
| └──7-7 图像数据处理实例.mp4 35.44M
├──08.递归神经网络与词向量
| ├──8-1 RNN网络架构解读.mp4 22.98M
| ├──8-2 词向量模型通俗解释.mp4 21.22M
| ├──8-3 模型整体框架.mp4 27.36M
| ├──8-4 训练数据构建.mp4 15.78M
| ├──8-5 CBOW与Skip-gram模型.mp4 22.57M
| └──8-6 负采样方案.mp4 23.13M
├──09.词向量模型
| ├──9-1 任务流程解读.mp4 17.70M
| ├──9-2 模型定义参数设置.mp4 16.81M
| ├──9-3 文本词预处理操作.mp4 16.19M
| ├──9-4 训练batch数据制作.mp4 43.05M
| └──9-5 损失函数定义与训练结果展示.mp4 29.75M
├──10.LSTM文本分类任务实战
| ├──10-1 任务目标与数据介绍.mp4 21.49M
| ├──10-2 RNN模型输入数据维度解读.mp4 18.60M
| ├──10-3 数据映射表制作.mp4 34.69M
| ├──10-4 embedding层向量制作.mp4 38.82M
| ├──10-5 数据生成器构造.mp4 35.14M
| ├──10-6 双向RNN模型定义.mp4 19.69M
| ├──10-7 自定义网络模型架构.mp4 41.49M
| ├──10-8 训练策略指定.mp4 22.92M
| └──10-9 训练文本分类模型.mp4 30.81M
├──11.CNN网络实战
| ├──11-1 CNN应用于文本任务原理解析.mp4 23.38M
| ├──11-2 整体流程解读.mp4 20.59M
| └──11-3 网络架构设计与训练.mp4 40.89M
├──12.时间序列预测
| ├──12-1 任务目标与数据源.mp4 18.44M
| ├──12-2 构建时间序列数据.mp4 26.15M
| ├──12-3 训练时间序列数据预测结果.mp4 29.79M
| ├──12-4 多特征预测结果.mp4 24.32M
| └──12-5 序列结果预测.mp4 15.19M
├──13.框架BERT
| ├──13-1 BERT任务目标概述.mp4 11.28M
| ├──13-10 训练实例.mp4 23.51M
| ├──13-2 传统解决方案遇到的问题.mp4 23.32M
| ├──13-3 注意力机制的作用.mp4 15.95M
| ├──13-4 self-attention计算方法.mp4 23.89M
| ├──13-5 特征分配与softmax机制.mp4 21.35M
| ├──13-6 Multi-head的作用.mp4 20.10M
| ├──13-7 位置编码与多层堆叠.mp4 17.16M
| ├──13-8 transformer整体架构梳理.mp4 22.55M
| └──13-9 BERT模型训练方法.mp4 20.74M
├──14.BERT实战
| ├──14-1 BERT开源项目简介.mp4 30.48M
| ├──14-10 构建QKV矩阵.mp4 55.59M
| ├──14-11 完成Transformer模块构建.mp4 45.84M
| ├──14-12 训练BERT模型.mp4 45.87M
| ├──14-2 项目参数配置.mp4 53.10M
| ├──14-3 数据读取模块.mp4 40.40M
| ├──14-4 数据预处理模块.mp4 43.13M
| ├──14-5 tfrecord制作.mp4 53.83M
| ├──14-6 Embedding层的作用.mp4 33.81M
| ├──14-7 加入额外编码特征.mp4 44.61M
| ├──14-8 加入位置编码特征.mp4 24.95M
| └──14-9 mask机制.mp4 43.04M
├──15.对抗生成网络实战
| ├──15-1 对抗生成网络通俗解释.mp4 21.20M
| ├──15-2 GAN网络组成.mp4 11.31M
| ├──15-3 DCGAN网络架构与流程解读.mp4 16.84M
| ├──15-4 网络架构设计.mp4 29.14M
| └──15-5 损失函数定义与训练.mp4 39.30M
├──16.CycleGan实战
| ├──16-1 CycleGan网络所需数据.mp4 29.60M
| ├──16-10 判别网络模块构造.mp4 20.60M
| ├──16-11 损失函数:identity loss计算方法.mp4 39.50M
| ├──16-12 生成与判别损失函数指定.mp4 53.89M
| ├──16-13 额外补充:VISDOM可视化配置.mp4 25.88M
| ├──16-2 CycleGan整体网络架构.mp4 21.20M
| ├──16-3 PatchGan判别网络原理.mp4 10.98M
| ├──16-4 数据与环境配置.mp4 25.73M
| ├──16-5 生成与判别器损失函数定义.mp4 40.56M
| ├──16-6 整体损失模块解读.mp4 66.63M
| ├──16-7 Cycle开源项目简介.mp4 30.04M
| ├──16-8 数据读取与预处理操作.mp4 47.99M
| └──16-9 生成网络模块构造.mp4 50.15M
├──17.Resnet实战
| ├──17-1 额外补充-Resnet论文解读.mp4 54.32M
| ├──17-2 额外补充-Resnet网络架构解读.mp4 18.56M
| ├──17-3 项目结构概述.mp4 16.47M
| ├──17-4 数据集处理方法.mp4 25.02M
| ├──17-5 训练数据构建.mp4 28.75M
| ├──17-6 网络架构层次解读.mp4 32.16M
| ├──17-7 前向传播配置.mp4 32.33M
| └──17-8 训练resnet模型.mp4 31.20M
├──18.Tensorflow初识
| ├──18-1 Tensorflow简介与安装.mp4 72.63M
| ├──18-2 Tensorflow中的变量.mp4 29.99M
| ├──18-3 变量常用操作.mp4 58.10M
| ├──18-4 实现线性回归算法.mp4 63.34M
| ├──18-5 Mnist数据集简介.mp4 56.89M
| └──18-6 逻辑回归算法.mp4 62.86M
├──19.Tensorflow神经网络
| ├──19-1 神经网络结构.mp4 68.83M
| ├──19-2 卷积网络结构基本定义.mp4 43.47M
| ├──19-3 卷积神经网络迭代.mp4 46.76M
| └──19-4 Cifar-10图像分类任务.mp4 52.87M
├──20.卷积神经网络实战
| ├──20-1 卷积神经网络实战:猫狗识别.mp4 62.81M
| ├──20-2 数据读取.mp4 56.97M
| ├──20-3 网络架构.mp4 88.35M
| ├──20-4 网络迭代训练.mp4 77.49M
| └──20-5 测试效果.mp4 38.41M
├──21.递归神经网络模型
| ├──21-1 RNN网络基本架构.mp4 30.61M
| ├──21-2 实现RNN网络架构.mp4 43.52M
| ├──21-3 RNN实现自己的小demo.mp4 66.00M
| └──21-4 RNN预测时间序列.mp4 88.26M
├──22.Alexnet网络
| ├──22-1 环境配置.mp4 51.60M
| ├──22-2 数据读取.mp4 55.15M
| ├──22-3 网络结构定义.mp4 49.91M
| └──22-4 加载训练好参数.mp4 54.39M
├──23.Tensorboard可视化模块
| ├──23-1 Tensorboard可视化展示.mp4 55.22M
| ├──23-2 展示效果.mp4 68.59M
| ├──23-3 统计可视化展示.mp4 49.50M
| └──23-4 参数对结果的影响.mp4 79.50M
├──24.tfrecord数据源制作
| ├──24-1 生成自己的数据集.mp4 56.80M
| ├──24-2 读取数据.mp4 57.80M
| ├──24-3 生成数据源.mp4 82.12M
| └──24-4 加载tfrecord进行分类任务.mp4 114.72M
├──25. CNN文本分类
| ├──25-1 CNN文本分类任务概述.mp4 50.32M
| ├──25-2 文本分类任务特征定义.mp4 69.12M
| ├──25-3 卷积网络定义.mp4 24.54M
| └──25-4 完成预测分类任务.mp4 70.52M
├──26.Resnet残差网络
| ├──26-1 Resnet网络原理.mp4 58.30M
| ├──26-2 网络流程设计.mp4 51.54M
| └──26-3 残差网络细节.mp4 77.40M
├──27.Tensorflow项目实战
| ├──27-1 Tensorflow案例实战视频课程19 验证码数据生成.mp4 49.22M
| ├──27-2 Tensorflow案例实战视频课程20 构造网络的输入数据和标签.mp4 50.64M
| ├──27-3 Tensorflow案例实战视频课程21 卷积网络模型定义.mp4 54.25M
| └──27-4 Tensorflow案例实战视频课程22 迭代及测试网络效果.mp4 50.21M
└──资料+代码.7z 5.43G

本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。

最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。 若排除这种情况,可在对应资源底部留言,或联络我们。

对于会员专享、整站源码、程序插件、网站模板、网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。

如果您已经成功付款但是网站没有弹出成功提示,请联系站长提供付款信息为您处理

源码素材属于虚拟商品,具有可复制性,可传播性,一旦授予,不接受任何形式的退款、换货要求。请您在购买获取之前确认好 是您所需要的资源