title
开启左侧

[人工智能] 最新深度学习入门视频课程(上篇)和深度学习入门视频课程(下篇)

温馨提示:本站所有资源仅提供给大家学习研究借鉴美工之用,请勿用于商业和违法用途,不提供任何技术支持!

亲,你好!如果你要查看下载链接,请注册登录后即可免回复直接查看更多内容噢!

您需要 登录 才可以下载或查看,没有账号?立即注册

x
├─深度学习入门视频课程(上篇)
│      01深度学习与人工智能简介.wmv
│      02计算机视觉面临挑战与常规套路.wmv
│      03用K近邻来进行图像分类.wmv
│      04超参数与交叉验证.wmv
│      05线性分类.wmv
│      06损失函数.wmv
│      07正则化惩罚项.wmv
│      08softmax分类器.wmv
│      09最优化形象解读.wmv
│      10梯度下降算法原理.wmv
│      11反向传播.wmv
│      12神经网络整体架构.wmv
│      13神经网络模型实例演示.wmv
│      14过拟合问题解决方案.wmv
│      15python环境搭建(推荐Anaconda方法).wmv
│      16Eclipse搭建python环境.wmv
│      17深度学习入门视频课程09 动手完成简单神经网络.wmv
│      18感受神经网络的强大.wmv
│      19神经网络案例-cifar分类任务.wmv
│      20神经网络案例-分模块构造神经网络.wmv
│      21神经网络案例-训练神经网络完成分类任务.wmv
│      
└─深度学习入门视频课程(下篇)
    │  001、深度学习入门课程01 感受卷积神经网络的强大.mp4
    │  002、深度学习入门课程02 卷积层详解.mp4
    │  003、深度学习入门课程03 卷积计算流程.mp4
    │  004、深度学习入门课程04 卷积核参数分析.mp4
    │  005、深度学习入门课程05 卷积参数共享原则.mp4
    │  006、深度学习入门课程06 池化层(Pooling)原理.mp4
    │  007、深度学习入门课程07 卷积神经网络反向传播原理.mp4
    │  008、深度学习入门课程08 实现卷积层的前向传播与反向传播.mp4
    │  009、深度学习入门课程09 实现Pooling层的前向传播与反向传播.mp4
    │  010、深度学习入门课程10 经典卷及网络架构实例.mp4
    │  011、深度学习入门课程11 RNN网络结构.mp4
    │  012、RNN网络细节.mp4
    │  013、深度学习入门课程12 python实现RNN算法.mp4
    │  014、深度学习入门课程13 LSTM网络结构简介.mp4
    │  015、深度学习入门课程14 分类与回归(Location)任务应用详解.mp4
    │  016、深度学习入门额课程15 物体检测实例.mp4
    │  017、深度学习入门课程16 如何巧妙设计网络结构.mp4
    │  018、深度学习入门课程17 训练技巧之数据增强.mp4
    │  019、深度学习入门课程18 训练技巧之Transfer Learning.mp4
    │  020、深度学习入门课程19 深度学习框架Caffe简介.mp4
    │  021、深度学习入门课程20 深度学习框架Caffe训练过程.mp4
    │  022、深度学习入门课程21 深度学习框架Caffe接口使用实例.mp4
    │  RNN.pptx
    │  神经网络.pdf
    │  课程资料.txt
    │  
    └─神经网络入门基础(PPT,代码
            cifar-10-python.tar.gz
            CNN代码.zip
            RNN网络代码.py
            感受神经网络的强大代码
            手写神经网络.py
            神经网络.pdf
            神经网络cifar代码.rar
            (cifar分类可能遇到的错误更正).docx

   
   
游客,您好!下载链接已隐藏,如果您要查看本帖的下载隐藏内容请登录后可见
Posted: 2020-03-23 00:00:00 | 回复 TOP

举报

Archiver 手机版 小黑屋 网站地图

Copyright © 2015-2026 菜鸟吧论坛 |找资源研究学习当然上菜鸟吧论坛

警告:本站所有资源收集世界互联网,请下载后24小时之内删除,否則後果自負!
WARNING: ‌All resources from the web. Delete within 24 hours or consequences at your own risk!
郑重声明:站内所有资源均来自互联网或会员投稿发布, 如果侵犯了权益请联系删除,E-mail:cainiaovip8@qq.com 商用请购买正版。

快速回复 返回顶部 返回列表