|
|
唐宇迪 人工智能-计算机视觉实战之路(必备算法+深度学习+项目实战）
〖课程目录〗:
51CTO学院 唐宇迪 人工智能-计算机视觉实战之路(必备算法+深度学习+项目实战） [58.8G]
┣━━第二阶段：进军AI-深度学习 [10.3G]
┃ ┣━━51CTO学院 唐宇迪 【2020新版更新】人工智能-深度学习入门视频课程（下篇）--128 [598.7M]
┃ ┃ ┣━━第1章 迈向计算机视觉-卷积神经网络 [254.4M]
┃ ┃ ┃ ┣━━1-1 卷积神经网络应用领域.mp4 [26.6M]
┃ ┃ ┃ ┣━━1-10 VGG网络架构.mp4 [20.5M]
┃ ┃ ┃ ┣━━1-11 1残差网络Resnet.mp4 [18.4M]
┃ ┃ ┃ ┣━━1-12 RNN网络细节.mp4 [17.7M]
┃ ┃ ┃ ┣━━1-13 感受野的作用.mp4 [16.8M]
┃ ┃ ┃ ┣━━1-2 卷积的作用.mp4 [23.6M]
┃ ┃ ┃ ┣━━1-3 卷积特征值计算方法.mp4 [22.7M]
┃ ┃ ┃ ┣━━1-4 得到特征图表示.mp4 [18.5M]
┃ ┃ ┃ ┣━━1-5 步长与卷积核大小对结果的影响.mp4 [20.4M]
┃ ┃ ┃ ┣━━1-6 边缘填充方法.mp4 [17.9M]
┃ ┃ ┃ ┣━━1-7 特征图尺寸计算与参数共享.mp4 [22M]
┃ ┃ ┃ ┣━━1-8 池化层的作用.mp4 [11.3M]
┃ ┃ ┃ ┗━━1-9 整体网络架构.mp4 [18M]
┃ ┃ ┣━━第2章 自然语言处理-递归神经网络实战 [234.2M]
┃ ┃ ┃ ┣━━2-1 NLP应用领域与任务简介.mp4 [29.4M]
┃ ┃ ┃ ┣━━2-2 情感分析-项目流程解读.mp4 [40.5M]
┃ ┃ ┃ ┣━━2-3 加载词向量特征.mp4 [31.6M]
┃ ┃ ┃ ┣━━2-4 正负样本数据读取.mp4 [30.6M]
┃ ┃ ┃ ┣━━2-5 构建LSTM网络模型.mp4 [45M]
┃ ┃ ┃ ┗━━2-6 训练与测试效果.mp4 [57.1M]
┃ ┃ ┗━━第3章 word2vec词向量模型通俗解释 [110.1M]
┃ ┃ ┣━━3-1 词向量模型通俗解释.mp4 [21.2M]
┃ ┃ ┣━━3-2 模型整体框架.mp4 [27.4M]
┃ ┃ ┣━━3-3 训练数据构建.mp4 [15.8M]
┃ ┃ ┣━━3-4 CBOW与Skip-gram模型.mp4 [22.6M]
┃ ┃ ┗━━3-5 负采样方案.mp4 [23.1M]
┃ ┣━━51CTO学院 唐宇迪 人工智能深度学习入门视频课程--49 [1.1G]
┃ ┃ ┣━━第1章 深度学习必备基础知识点 [226M]
┃ ┃ ┃ ┣━━1-1 深度学习要解决的问题.mp4 [21M]
┃ ┃ ┃ ┣━━1-2 深度学习应用领域.mp4 [58.4M]
┃ ┃ ┃ ┣━━1-3 计算机视觉任务.mp4 [19.5M]
┃ ┃ ┃ ┣━━1-4 视觉任务中遇到的问题.mp4 [37M]
┃ ┃ ┃ ┣━━1-5 得分函数.mp4 [19.1M]
┃ ┃ ┃ ┣━━1-6 损失函数的作用.mp4 [32.6M]
┃ ┃ ┃ ┗━━1-7 前向传播整体流程.mp4 [38.5M]
┃ ┃ ┣━━第2章 神经网络模型 [278.4M]
┃ ┃ ┃ ┣━━2-1 梯度下降通俗解释（以线性回归算法为例，神经网络也是如此）.mp4 [20.6M]
┃ ┃ ┃ ┣━━2-2 参数更新方法.mp4 [25.8M]
┃ ┃ ┃ ┣━━2-3 优化参数设置.mp4 [26.8M]
┃ ┃ ┃ ┣━━2-4 返向传播计算方法.mp4 [24.8M]
┃ ┃ ┃ ┣━━2-5 神经网络整体架构.mp4 [31.4M]
┃ ┃ ┃ ┣━━2-6 神经网络架构细节.mp4 [43.7M]
┃ ┃ ┃ ┣━━2-7 神经元个数对结果的影响.mp4 [41.8M]
┃ ┃ ┃ ┣━━2-8 正则化与激活函数.mp4 [26.7M]
┃ ┃ ┃ ┗━━2-9 神经网络过拟合解决方法.mp4 [36.7M]
┃ ┃ ┣━━第3章 神经网络实战 [574.8M]
┃ ┃ ┃ ┣━━3-1 神经网络整体框架概述.mp4 [23.3M]
┃ ┃ ┃ ┣━━3-10 完成全部迭代更新模块.mp4 [58.5M]
┃ ┃ ┃ ┣━━3-11 手写字体识别数据集.mp4 [39.6M]
┃ ┃ ┃ ┣━━3-12 算法代码错误修正.mp4 [53.9M]
┃ ┃ ┃ ┣━━3-13 模型优化结果展示.mp4 [48.9M]
┃ ┃ ┃ ┣━━3-14 测试效果可视化展示.mp4 [56.7M]
┃ ┃ ┃ ┣━━3-2 参数初始化操作.mp4 [43.2M]
┃ ┃ ┃ ┣━━3-3 矩阵向量转换.mp4 [32.2M]
┃ ┃ ┃ ┣━━3-4 向量反变换.mp4 [35.4M]
┃ ┃ ┃ ┣━━3-5 完成前向传播模块.mp4 [35.1M]
┃ ┃ ┃ ┣━━3-6 损失函数定义.mp4 [36.2M]
┃ ┃ ┃ ┣━━3-7 准备反向传播迭代.mp4 [30.4M]
┃ ┃ ┃ ┣━━3-8 差异项计算.mp4 [42.8M]
┃ ┃ ┃ ┗━━3-9 逐层计算.mp4 [38.6M]
┃ ┃ ┗━━文档 [11.2M]
┃ ┃ ┣━━神经网络-代码实现.zip [5.2M]
┃ ┃ ┣━━神经网络.pdf [6M]
┃ ┃ ┗━━神经网络代码实现.txt [122B]
┃ ┗━━51CTO学院 唐宇迪 深度学习框架-PyTorch实战--398 [8.7G]
┃ ┣━━第10章 OCR文字识别原理 [126.7M]
┃ ┃ ┣━━10-1 OCR文字识别要完成的任务.mp4 [24.9M]
┃ ┃ ┣━━10-2 CTPN文字检测网络概述.mp4 [17.8M]
┃ ┃ ┣━━10-3 序列网络的作用.mp4 [21.8M]
┃ ┃ ┣━━10-4 输出结果含义解析.mp4 [16.3M]
┃ ┃ ┣━━10-5 CTPN细节概述.mp4 [21.3M]
┃ ┃ ┣━━10-6 CRNN识别网络架构.mp4 [14.9M]
┃ ┃ ┗━━10-7 CTC模块的作用.mp4 [9.8M]
┃ ┣━━第11章 OCR文字识别项目实战 [224.9M]
┃ ┃ ┣━━11-1 OCR文字检测识别项目效果展示.mp4 [17M]
┃ ┃ ┣━━11-2 训练数据准备与环境配置.mp4 [29M]
┃ ┃ ┣━━11-3 检测模块候选框生成.mp4 [33.9M]
┃ ┃ ┣━━11-4 候选框标签制作.mp4 [35.3M]
┃ ┃ ┣━━11-5 整体网络所需模块.mp4 [20.7M]
┃ ┃ ┣━━11-6 网络架构各模块完成的任务解读.mp4 [32.3M]
┃ ┃ ┣━━11-7 CRNN识别模块所需数据与标签.mp4 [17.4M]
┃ ┃ ┗━━11-8 识别模块网络架构解读.mp4 [39.3M]
┃ ┣━━第12章 基于3D卷积的视频分析与动作识别 [247.9M]
┃ ┃ ┣━━12-1 3D卷积原理解读.mp4 [22.4M]
┃ ┃ ┣━━12-2 UCF101动作识别数据集简介.mp4 [28.2M]
┃ ┃ ┣━━12-3 测试效果与项目配置.mp4 [49.3M]
┃ ┃ ┣━━12-4 视频数据预处理方法.mp4 [31.2M]
┃ ┃ ┣━━12-5 数据Batch制作方法.mp4 [42.9M]
┃ ┃ ┣━━12-6 3D卷积网络所涉及模块.mp4 [37.2M]
┃ ┃ ┗━━12-7 训练网络模型.mp4 [36.7M]
┃ ┣━━第13章 自然语言处理通用框架BERT原理解读 [199.8M]
┃ ┃ ┣━━13-1 BERT任务目标概述.mp4 [11.3M]
┃ ┃ ┣━━13-10 训练实例.mp4 [23.5M]
┃ ┃ ┣━━13-2 传统解决方案遇到的问题.mp4 [23.3M]
┃ ┃ ┣━━13-3 注意力机制的作用.mp4 [15.9M]
┃ ┃ ┣━━13-4 self-attention计算方法.mp4 [23.9M]
┃ ┃ ┣━━13-5 特征分配与softmax机制.mp4 [21.3M]
┃ ┃ ┣━━13-6 Multi-head的作用.mp4 [20.1M]
┃ ┃ ┣━━13-7 位置编码与多层堆叠.mp4 [17.2M]
┃ ┃ ┣━━13-8 transformer整体架构梳理.mp4 [22.6M]
┃ ┃ ┗━━13-9 BERT模型训练方法.mp4 [20.7M]
┃ ┣━━第14章 开源项目BERT源码解读（官方TF版） [514.6M]
┃ ┃ ┣━━14-1 BERT开源项目简介.mp4 [30.5M]
┃ ┃ ┣━━14-10 构建QKV矩阵.mp4 [55.6M]
┃ ┃ ┣━━14-11 完成Transformer模块构建.mp4 [45.8M]
┃ ┃ ┣━━14-12 训练BERT模型.mp4 [45.9M]
┃ ┃ ┣━━14-2 项目参数配置.mp4 [53.1M]
┃ ┃ ┣━━14-3 数据读取模块.mp4 [40.4M]
┃ ┃ ┣━━14-4 数据预处理模块.mp4 [43.1M]
┃ ┃ ┣━━14-5 tfrecord制作.mp4 [53.8M]
┃ ┃ ┣━━14-6 Embedding层的作用.mp4 [33.8M]
┃ ┃ ┣━━14-7 加入额外编码特征.mp4 [44.6M]
┃ ┃ ┣━━14-8 加入位置编码特征.mp4 [24.9M]
┃ ┃ ┗━━14-9 mask机制.mp4 [43M]
┃ ┣━━第15章 基于PyTorch实战BERT模型（民间PyTorch版） [116.7M]
┃ ┃ ┣━━15-1 项目配置与环境概述.mp4 [27M]
┃ ┃ ┣━━15-2 数据读取与预处理.mp4 [22M]
┃ ┃ ┣━━15-3 网络结构定义.mp4 [31.1M]
┃ ┃ ┗━━15-4 训练网络模型.mp4 [36.6M]
┃ ┣━━第16章 PyTorch框架实战模板解读 [279.2M]
┃ ┃ ┣━━16-1 项目模板各模块概述.mp4 [34M]
┃ ┃ ┣━━16-2 各模块配置参数解析.mp4 [36M]
┃ ┃ ┣━━16-3 数据读取与预处理模块功能解读.mp4 [46.2M]
┃ ┃ ┣━━16-4 模型架构模块.mp4 [29.4M]
┃ ┃ ┣━━16-5 训练模块功能.mp4 [45.1M]
┃ ┃ ┣━━16-6 训练结果可视化展示模块.mp4 [32.9M]
┃ ┃ ┗━━16-7 模块应用与BenckMark解读.mp4 [55.6M]
┃ ┣━━第1章 PyTorch框架基本处理操作 [218.3M]
┃ ┃ ┣━━1-1 PyTorch实战课程简介.mp4 [16.4M]
┃ ┃ ┣━━1-2 PyTorch框架发展趋势简介.mp4 [23.3M]
┃ ┃ ┣━━1-3 框架安装方法（CPU与GPU版本）.mp4 [16.6M]
┃ ┃ ┣━━1-4 PyTorch基本操作简介.mp4 [25.1M]
┃ ┃ ┣━━1-5 自动求导机制.mp4 [29.1M]
┃ ┃ ┣━━1-6 线性回归DEMO-数据与参数配置.mp4 [22.8M]
┃ ┃ ┣━━1-7 线性回归DEMO-训练回归模型.mp4 [30.6M]
┃ ┃ ┣━━1-8 补充：常见tensor格式.mp4 [17.1M]
┃ ┃ ┗━━1-9 补充：Hub模块简介.mp4 [37.2M]
┃ ┣━━第2章 神经网络实战分类与回归任务 [170.2M]
┃ ┃ ┣━━2-1 气温数据集与任务介绍.mp4 [22.8M]
┃ ┃ ┣━━2-2 按建模顺序构建完成网络架构.mp4 [35.1M]
┃ ┃ ┣━━2-3 简化代码训练网络模型.mp4 [35.5M]
┃ ┃ ┣━━2-4 分类任务概述.mp4 [13.8M]
┃ ┃ ┣━━2-5 构建分类网络模型.mp4 [29.2M]
┃ ┃ ┗━━2-6 DataSet模块介绍与应用方法.mp4 [33.7M]
┃ ┣━━第3章 卷积神经网络原理与参数解读 [236.8M]
┃ ┃ ┣━━3-1 卷积神经网络应用领域.mp4 [26.6M]
┃ ┃ ┣━━3-10 VGG网络架构.mp4 [20.5M]
┃ ┃ ┣━━3-11 残差网络Resnet.mp4 [18.4M]
┃ ┃ ┣━━3-12 感受野的作用.mp4 [16.8M]
┃ ┃ ┣━━3-2 卷积的作用.mp4 [23.6M]
┃ ┃ ┣━━3-3 卷积特征值计算方法.mp4 [22.7M]
┃ ┃ ┣━━3-4 得到特征图表示.mp4 [18.5M]
┃ ┃ ┣━━3-5 步长与卷积核大小对结果的影响.mp4 [20.4M]
┃ ┃ ┣━━3-6 边缘填充方法.mp4 [17.9M]
┃ ┃ ┣━━3-7 特征图尺寸计算与参数共享.mp4 [22M]
┃ ┃ ┣━━3-8 池化层的作用.mp4 [11.3M]
┃ ┃ ┗━━3-9 整体网络架构.mp4 [18M]
┃ ┣━━第4章 图像识别核心模块实战解读 [186.9M]
┃ ┃ ┣━━4-1 卷积网络参数定义.mp4 [24.1M]
┃ ┃ ┣━━4-2 网络流程解读.mp4 [30.9M]
┃ ┃ ┣━━4-3 Vision模块功能解读.mp4 [18M]
┃ ┃ ┣━━4-4 分类任务数据集定义与配置.mp4 [25.2M]
┃ ┃ ┣━━4-5 图像增强的作用.mp4 [16M]
┃ ┃ ┣━━4-6 数据预处理与数据增强模块.mp4 [38.8M]
┃ ┃ ┗━━4-7 Batch数据制作.mp4 [33.9M]
┃ ┣━━第5章 迁移学习的作用与应用实例 [254.6M]
┃ ┃ ┣━━5-1 迁移学习的目标.mp4 [13.3M]
┃ ┃ ┣━━5-2 迁移学习策略.mp4 [16.1M]
┃ ┃ ┣━━5-3 加载训练好的网络模型.mp4 [37.7M]
┃ ┃ ┣━━5-4 优化器模块配置.mp4 [19.3M]
┃ ┃ ┣━━5-5 实现训练模块.mp4 [28.1M]
┃ ┃ ┣━━5-6 训练结果与模型保存.mp4 [31.7M]
┃ ┃ ┣━━5-7 加载模型对测试数据进行预测.mp4 [35.7M]
┃ ┃ ┣━━5-8 额外补充-Resnet论文解读.mp4 [54.3M]
┃ ┃ ┗━━5-9 额外补充-Resnet网络架构解读.mp4 [18.6M]
┃ ┣━━第6章 递归神经网络与词向量原理解读 [133M]
┃ ┃ ┣━━6-1 RNN网络架构解读.mp4 [23M]
┃ ┃ ┣━━6-2 词向量模型通俗解释.mp4 [21.2M]
┃ ┃ ┣━━6-3 模型整体框架.mp4 [27.4M]
┃ ┃ ┣━━6-4 训练数据构建.mp4 [15.8M]
┃ ┃ ┣━━6-5 CBOW与Skip-gram模型.mp4 [22.6M]
┃ ┃ ┗━━6-6 负采样方案.mp4 [23.1M]
┃ ┣━━第7章 新闻数据集文本分类实战 [290.3M]
┃ ┃ ┣━━7-1 任务目标与数据简介.mp4 [28.3M]
┃ ┃ ┣━━7-2 RNN模型所需输入格式解析.mp4 [20.1M]
┃ ┃ ┣━━7-3 项目配置参数设置.mp4 [38M]
┃ ┃ ┣━━7-4 新闻数据读取与预处理方法.mp4 [30.8M]
┃ ┃ ┣━━7-5 LSTM网络模块定义与参数解析.mp4 [34M]
┃ ┃ ┣━━7-6 训练LSTM文本分类模型.mp4 [36.8M]
┃ ┃ ┣━━7-7 Tensorboardx可视化展示模块搭建.mp4 [35.2M]
┃ ┃ ┣━━7-8 CNN应用于文本任务原理解析.mp4 [23.4M]
┃ ┃ ┗━━7-9 网络模型架构与效果展示.mp4 [43.6M]
┃ ┣━━第8章 对抗生成网络架构原理与实战解析 [141.2M]
┃ ┃ ┣━━8-1 对抗生成网络通俗解释.mp4 [21.2M]
┃ ┃ ┣━━8-2 GAN网络组成.mp4 [11.3M]
┃ ┃ ┣━━8-3 损失函数解释说明.mp4 [42.2M]
┃ ┃ ┣━━8-4 数据读取模块.mp4 [30.2M]
┃ ┃ ┗━━8-5 生成与判别网络定义.mp4 [36.4M]
┃ ┣━━第9章 基于CycleGan开源项目实战图像合成 [329.8M]
┃ ┃ ┣━━9-1 CycleGan网络所需数据.mp4 [29.6M]
┃ ┃ ┣━━9-10 额外补充：VISDOM可视化配置.mp4 [25.9M]
┃ ┃ ┣━━9-2 CycleGan整体网络架构.mp4 [21.2M]
┃ ┃ ┣━━9-3 PatchGan判别网络原理.mp4 [11M]
┃ ┃ ┣━━9-4 Cycle开源项目简介.mp4 [30M]
┃ ┃ ┣━━9-5 数据读取与预处理操作.mp4 [48M]
┃ ┃ ┣━━9-6 生成网络模块构造.mp4 [50.2M]
┃ ┃ ┣━━9-7 判别网络模块构造.mp4 [20.6M]
┃ ┃ ┣━━9-8 损失函数：identity loss计算方法.mp4 [39.5M]
┃ ┃ ┗━━9-9 生成与判别损失函数指定.mp4 [53.9M]
┃ ┗━━文档 [5.1G]
┃ ┣━━第三章：卷积神经网络 [2.4M]
┃ ┃ ┗━━卷积神经网络.pdf [2.4M]
┃ ┣━━第十三章：自然语言处理通用框架BERT原理解读 [1.9M]
┃ ┃ ┗━━BERT.pdf [1.9M]
┃ ┣━━第十四章：谷歌开源项目BERT源码解读（官方TF版） [992.7M]
┃ ┃ ┗━━BERT开源项目及数据.zip [992.7M]
┃ ┣━━PPT [2.6M]
┃ ┃ ┗━━PyTorch.pdf [2.6M]
┃ ┣━━第八章：对抗生成网络架构原理与实战解析.zip [35.3M]
┃ ┣━━第二章：神经网络实战分类与回归任务.zip [15.8M]
┃ ┣━━第九章：基于CycleGan开源项目实战图像合成.zip [1.6G]
┃ ┣━━第六章：word2vec通俗解释.zip [2.1M]
┃ ┣━━第七章：新闻数据集文本分类实战.zip [31.5M]
┃ ┣━━第十二章：基于3D卷积的视频分析与动作识别.zip [845.8M]
┃ ┣━━第十六章：PyTorch框架实战模板解读.zip [69.2M]
┃ ┣━━第十五章：BERT.zip [732.9M]
┃ ┣━━第十一章：OCR文字识别项目实战.zip [423.8M]
┃ ┣━━第四章：图像识别核心模块实战解读.zip [336.9M]
┃ ┗━━第一章：PyTorch框架基本处理操作.zip [98.6M]
┣━━第三阶段：深度学习实战-经典视觉项目 [40.7G]
┃ ┣━━51CTO学院 唐宇迪 Python-深度学习-物体检测实战--298 [6.4G]
┃ ┃ ┣━━第1章 物体检测框架-MaskRcnn项目介绍与配置 [137.8M]
┃ ┃ ┃ ┣━━1-1 课程简介.mp4 [12.1M]
┃ ┃ ┃ ┣━━1-2 Mask-Rcnn开源项目简介.mp4 [40.1M]
┃ ┃ ┃ ┣━━1-3 开源项目数据集.mp4 [23.4M]
┃ ┃ ┃ ┗━━1-4 参数配置.mp4 [62.2M]
┃ ┃ ┣━━第2章 MaskRcnn网络框架源码详解 [395.5M]
┃ ┃ ┃ ┣━━2-1 FPN网络架构实现解读.mp4 [58.7M]
┃ ┃ ┃ ┣━━2-10 RoiPooling层的作用与目的.mp4 [36.9M]
┃ ┃ ┃ ┣━━2-11 RorAlign操作的效果.mp4 [27.4M]
┃ ┃ ┃ ┣━━2-12 整体框架回顾.mp4 [30.9M]
┃ ┃ ┃ ┣━━2-2 FPN层特征提取原理解读.mp4 [44.5M]
┃ ┃ ┃ ┣━━2-3 生成框比例设置.mp4 [30.6M]
┃ ┃ ┃ ┣━━2-4 基于不同尺度特征图生成所有框.mp4 [33.4M]
┃ ┃ ┃ ┣━━2-5 RPN层的作用与实现解读.mp4 [30.6M]
┃ ┃ ┃ ┣━━2-6 候选框过滤方法.mp4 [15.8M]
┃ ┃ ┃ ┣━━2-7 Proposal层实现方法.mp4 [33.1M]
┃ ┃ ┃ ┣━━2-8 DetectionTarget层的作用.mp4 [26.7M]
┃ ┃ ┃ ┗━━2-9 正负样本选择与标签定义.mp4 [27.1M]
┃ ┃ ┣━━第3章 基于MASK-RCNN框架训练自己的数据与任务 [175.7M]
┃ ┃ ┃ ┣━━3-1 Labelme工具安装.mp4 [12.2M]
┃ ┃ ┃ ┣━━3-2 使用labelme进行数据与标签标注.mp4 [22.2M]
┃ ┃ ┃ ┣━━3-3 完成训练数据准备工作.mp4 [24.9M]
┃ ┃ ┃ ┣━━3-4 maskrcnn源码修改方法.mp4 [54.8M]
┃ ┃ ┃ ┣━━3-5 基于标注数据训练所需任务.mp4 [33.4M]
┃ ┃ ┃ ┗━━3-6 测试与展示模块.mp4 [28.2M]
┃ ┃ ┣━━第4章 练手小项目-人体姿态识别demo [109.3M]
┃ ┃ ┃ ┣━━4-1 COCO数据集与人体姿态识别简介.mp4 [34.9M]
┃ ┃ ┃ ┣━━4-2 网络架构概述.mp4 [33.4M]
┃ ┃ ┃ ┗━━4-3 流程与结果演示.mp4 [41.1M]
┃ ┃ ┣━━第5章 必备基础-迁移学习与Resnet网络架构 [265M]
┃ ┃ ┃ ┣━━5-1 迁移学习的目标.mp4 [13.3M]
┃ ┃ ┃ ┣━━5-2 迁移学习策略.mp4 [16.1M]
┃ ┃ ┃ ┣━━5-3 Resnet原理.mp4 [60.2M]
┃ ┃ ┃ ┣━━5-4 Resnet网络细节.mp4 [38.1M]
┃ ┃ ┃ ┣━━5-5 Resnet基本处理操作.mp4 [25.7M]
┃ ┃ ┃ ┣━━5-6 shortcut模块.mp4 [37.4M]
┃ ┃ ┃ ┣━━5-7 加载训练好的权重.mp4 [31.7M]
┃ ┃ ┃ ┗━━5-8 迁移学习效果对比.mp4 [42.6M]
┃ ┃ ┣━━第6章 必备基础-物体检测FasterRcnn系列 [444.6M]
┃ ┃ ┃ ┣━━6-1 物体检测概述.mp4 [42.6M]
┃ ┃ ┃ ┣━━6-2 深度学习经典检测方法.mp4 [39.3M]
┃ ┃ ┃ ┣━━6-3 faster-rcnn概述.mp4 [31.1M]
┃ ┃ ┃ ┣━━6-4 论文解读.mp4 [79.8M]
┃ ┃ ┃ ┣━━6-5 RPN网络架构.mp4 [70.5M]
┃ ┃ ┃ ┣━━6-6 损失函数定义.mp4 [101.1M]
┃ ┃ ┃ ┗━━6-7 网络细节.mp4 [80.1M]
┃ ┃ ┗━━文档 [4.9G]
┃ ┃ ┣━━第六章：物体检测-faster-rcnn [2.8G]
┃ ┃ ┃ ┣━━Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks.pdf [6.5M]
┃ ┃ ┃ ┣━━faster-rcnn.pptx [3.2M]
┃ ┃ ┃ ┣━━FasterRcnn.zip [2.7G]
┃ ┃ ┃ ┗━━iccv15_tutorial_training_rbg.pdf [17.4M]
┃ ┃ ┣━━第二章：MaskRcnn网络框架源码详解.zip [1.1G]
┃ ┃ ┣━━第三章：基于MASK-RCNN框架训练自己的数据与任务.zip [439.4M]
┃ ┃ ┣━━第四章：练手小项目-人体姿态识别demo.zip [530.3M]
┃ ┃ ┣━━第五章：迁移学习.zip [91.9M]
┃ ┃ ┣━━f112c9fda85536ee3eba662c9043e683.bat [70B]
┃ ┃ ┗━━mask-rcnn.pdf [898.3K]
┃ ┣━━51CTO学院 唐宇迪 大数据——深度学习框架Caffe使用案例视频课程--128 [1.2G]
┃ ┃ ┣━━文档 [432.8M]
┃ ┃ ┃ ┗━━唐宇迪-深度学习-caffe案例.zip [432.8M]
┃ ┃ ┣━━1 caffe框架视频课程01 深度学习框架caffe简介.mp4 [32.8M]
┃ ┃ ┣━━2 caffe框架视频课程02 网络配置-数据层详解.mp4 [63.4M]
┃ ┃ ┣━━3 caffe框架视频课程03 网络配置-各计算层详解.mp4 [80.8M]
┃ ┃ ┣━━4 caffe框架视频课程04 solver超参数配置文件.mp4 [75.3M]
┃ ┃ ┣━━5 caffe框架视频课程05 制作LMDB数据源训练分类网络.mp4 [113.5M]
┃ ┃ ┣━━6 caffe框架视频课程06 多label问题之HDF5数据源.mp4 [84.7M]
┃ ┃ ┣━━7 caffe框架视频课程07 使用命令行训练网络.mp4 [57M]
┃ ┃ ┣━━8 caffe框架视频课程08 使用python定义自己的层.mp4 [87.9M]
┃ ┃ ┣━━9 caffe框架视频课程09 绘制网络结构图.mp4 [48.7M]
┃ ┃ ┣━━10 caffe框架视频课程10 生成网络配置文件.mp4 [44.6M]
┃ ┃ ┣━━11 caffe框架视频课程11 对训练的网络模型绘制LOSS曲线.mp4 [47.2M]
┃ ┃ ┗━━12 caffe框架视频课程12 对训练结果进行分类任务.mp4 [87M]
┃ ┣━━51CTO学院 唐宇迪 Tensorflow-图像处理视频课程--128 [6.8G]
┃ ┃ ┣━━第1章 图像修复实战 [413M]
┃ ┃ ┃ ┣━━1-1 知识点介绍.mp4 [62.9M]
┃ ┃ ┃ ┣━━1-2 模型整体设计.mp4 [33.4M]
┃ ┃ ┃ ┣━━1-3 模型内部结构.mp4 [44.2M]
┃ ┃ ┃ ┣━━1-4 模型综述.mp4 [57.6M]
┃ ┃ ┃ ┣━━1-5 修复任务说明.mp4 [34.1M]
┃ ┃ ┃ ┣━━1-6 输入配置.mp4 [37.9M]
┃ ┃ ┃ ┣━━1-7 模型整体架构配置.mp4 [49.2M]
┃ ┃ ┃ ┣━━1-8 完成模型迭代.mp4 [73M]
┃ ┃ ┃ ┗━━1-9 效果演示.mp4 [20.7M]
┃ ┃ ┣━━第2章 图像超分辨率重构 [342.1M]
┃ ┃ ┃ ┣━━2-1 知识点概述.mp4 [28.5M]
┃ ┃ ┃ ┣━━2-2 模型整体架构.mp4 [44.4M]
┃ ┃ ┃ ┣━━2-3 数据源处理.mp4 [27.3M]
┃ ┃ ┃ ┣━━2-4 数据输入与参数.mp4 [34.9M]
┃ ┃ ┃ ┣━━2-5 生成器模型.mp4 [35.1M]
┃ ┃ ┃ ┣━━2-6 判别器模型.mp4 [36.8M]
┃ ┃ ┃ ┣━━2-7 网络特征提取.mp4 [29.5M]
┃ ┃ ┃ ┣━━2-8 模型优化设置.mp4 [62.3M]
┃ ┃ ┃ ┗━━2-9 效果演示.mp4 [43.4M]
┃ ┃ ┣━━第3章 Tensorflow模板 [99.7M]
┃ ┃ ┃ ┣━━3-1 模板基础模型.mp4 [36.6M]
┃ ┃ ┃ ┗━━3-2 模板内部结构.mp4 [63.1M]
┃ ┃ ┗━━文档 [6G]
┃ ┃ ┣━━超分辨率重构 [4.5G]
┃ ┃ ┃ ┣━━srdata.zip [4G]
┃ ┃ ┃ ┗━━srgan超分辨率重构.zip [532.6M]
┃ ┃ ┣━━高阶API [35.1M]
┃ ┃ ┃ ┗━━高阶API.zip [35.1M]
┃ ┃ ┗━━图像缺失补全 [1.5G]
┃ ┃ ┣━━图像补全人脸数据.zip [1.3G]
┃ ┃ ┗━━glcic图像补全.zip [178.8M]
┃ ┣━━51CTO学院 唐宇迪 Tensorflow-物体检测-Faster-Rcnn解读--128 [3.7G]
┃ ┃ ┣━━第1章 三代物体检测算法概述 [112.9M]
┃ ┃ ┃ ┣━━1-1 物体检测概述.mp4 [42.6M]
┃ ┃ ┃ ┣━━1-2 深度学习经典检测方法.mp4 [39.3M]
┃ ┃ ┃ ┗━━1-3 faster-rcnn概述.mp4 [31.1M]
┃ ┃ ┣━━第2章 faster-rcnn论文解读 [331.6M]
┃ ┃ ┃ ┣━━2-1 论文概述.mp4 [79.8M]
┃ ┃ ┃ ┣━━2-2 RPN网络结构.mp4 [70.5M]
┃ ┃ ┃ ┣━━2-3 损失函数定义.mp4 [101.1M]
┃ ┃ ┃ ┗━━2-4 网络细节.mp4 [80.1M]
┃ ┃ ┣━━第3章 tensorflow版本实现解读 [545.4M]
┃ ┃ ┃ ┣━━3-1 环境配置概述.mp4 [90.5M]
┃ ┃ ┃ ┣━━3-2 项目配置.mp4 [59.2M]
┃ ┃ ┃ ┣━━3-3 数据加载.mp4 [44.9M]
┃ ┃ ┃ ┣━━3-4 数据变换.mp4 [31.5M]
┃ ┃ ┃ ┣━━3-5 完成数据读取.mp4 [74.5M]
┃ ┃ ┃ ┣━━3-6 特征提取VGG.mp4 [35.2M]
┃ ┃ ┃ ┣━━3-7 RPN层.mp4 [59.2M]
┃ ┃ ┃ ┣━━3-8 提取网络细节.mp4 [72M]
┃ ┃ ┃ ┗━━3-9 网络迭代训练.mp4 [78.4M]
┃ ┃ ┗━━文档 [2.8G]
┃ ┃ ┣━━Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks.pdf [6.5M]
┃ ┃ ┣━━faster-rcnn.pptx [3.2M]
┃ ┃ ┣━━FasterRcnn.zip [2.7G]
┃ ┃ ┗━━iccv15_tutorial_training_rbg.pdf [17.4M]
┃ ┣━━51CTO学院 唐宇迪 大数据：深度学习项目实战-关键点定位视频课程--128 [1.2G]
┃ ┃ ┣━━文档 [586.1M]
┃ ┃ ┃ ┣━━课上代码 [21.4K]
┃ ┃ ┃ ┃ ┗━━code.zip [21.4K]
┃ ┃ ┃ ┗━━deep_landmark.zip [586M]
┃ ┃ ┣━━1 深度学习项目实战01 人脸关键点检测算法框架.mp4 [25.4M]
┃ ┃ ┣━━2 深度学习项目实战02 多标签数据源制作以及标签坐标转换.mp4 [83.4M]
┃ ┃ ┣━━3 深度学习项目实战03 对原始数据进行数据增强.mp4 [40M]
┃ ┃ ┣━━4 深度学习项目实战04 完成初始阶段HDF5数据源制作.mp4 [63.7M]
┃ ┃ ┣━━5 深度学习项目实战05 初始阶段网络训练.mp4 [40.5M]
┃ ┃ ┣━━6 深度学习项目实战06 第二三阶段网络数据源制作.mp4 [91.8M]
┃ ┃ ┣━━7 深度学习项目实战07 第二三阶段网络模型训练.mp4 [45.6M]
┃ ┃ ┣━━8 深度学习项目实战08 网络模型参数初始化.mp4 [50.5M]
┃ ┃ ┣━━9 深度学习项目实战09 完成全部测试结果.mp4 [70.1M]
┃ ┃ ┣━━10 深度学习项目实战10 人脸关键点检测效果.mp4 [32.4M]
┃ ┃ ┣━━11 深度学习项目实战11 项目总结分析.mp4 [41.1M]
┃ ┃ ┗━━12 深度学习项目实战12 算法框架分析.mp4 [51.2M]
┃ ┣━━51CTO学院 唐宇迪 大数据深度学习项目实战视频课程-人脸检测--128 [5.9G]
┃ ┃ ┣━━文档 [5.3G]
┃ ┃ ┃ ┣━━深度学习 人脸检测数据代码 [5.3G]
┃ ┃ ┃ ┃ ┣━━代码和模型.zip [202.5M]
┃ ┃ ┃ ┃ ┣━━data.zip [647.3M]
┃ ┃ ┃ ┃ ┣━━faceTrain.zip [3.1G]
┃ ┃ ┃ ┃ ┣━━testTrain.zip [796.6M]
┃ ┃ ┃ ┃ ┗━━train.zip [647.2M]
┃ ┃ ┃ ┣━━人脸检测.docx [491.3K]
┃ ┃ ┃ ┗━━人脸检测数据，代码.zip [214B]
┃ ┃ ┣━━1 人脸检测项目概述.mp4 [5.3M]
┃ ┃ ┣━━2 数据收集.mp4 [42.2M]
┃ ┃ ┣━━3 正负样本裁剪策略.mp4 [42.7M]
┃ ┃ ┣━━4 Caffe数据源准备.mp4 [48.9M]
┃ ┃ ┣━━5 LMDB脚本文件.mp4 [29M]
┃ ┃ ┣━━6 制作LMDB数据源.mp4 [41.2M]
┃ ┃ ┣━━7 网络模型配置文件.mp4 [41.2M]
┃ ┃ ┣━━8 选择合适的参数并训练网络模型.mp4 [49.5M]
┃ ┃ ┣━━9 检测算法框架原理.mp4 [33.4M]
┃ ┃ ┣━━10 实现多尺度人脸检测算法.mp4 [60.7M]
┃ ┃ ┣━━11 坐标映射变换.mp4 [57.1M]
┃ ┃ ┣━━12 完成检测代码.mp4 [37.3M]
┃ ┃ ┣━━13 检测效果及改进.mp4 [43.2M]
┃ ┃ ┣━━14 优化策略分析.mp4 [25.8M]
┃ ┃ ┣━━15 模型准确率影响因素分析.mp4 [24M]
┃ ┃ ┗━━16 项目总结.mp4 [37.8M]
┃ ┣━━51CTO学院 唐宇迪 人工智能-深度学习框架-Tensorflow案例实战视频课程--198 [10.6G]
┃ ┃ ┣━━第10章 LSTM文本分类任务实战 [263.7M]
┃ ┃ ┃ ┣━━10-1 任务目标与数据介绍.mp4 [21.5M]
┃ ┃ ┃ ┣━━10-2 RNN模型输入数据维度解读.mp4 [18.6M]
┃ ┃ ┃ ┣━━10-3 数据映射表制作.mp4 [34.7M]
┃ ┃ ┃ ┣━━10-4 embedding层向量制作.mp4 [38.8M]
┃ ┃ ┃ ┣━━10-5 数据生成器构造.mp4 [35.1M]
┃ ┃ ┃ ┣━━10-6 双向RNN模型定义.mp4 [19.7M]
┃ ┃ ┃ ┣━━10-7 自定义网络模型架构.mp4 [41.5M]
┃ ┃ ┃ ┣━━10-8 训练策略指定.mp4 [22.9M]
┃ ┃ ┃ ┗━━10-9 训练文本分类模型.mp4 [30.8M]
┃ ┃ ┣━━第11章 将CNN网络应用于文本分类实战 [84.9M]
┃ ┃ ┃ ┣━━11-1 CNN应用于文本任务原理解析.mp4 [23.4M]
┃ ┃ ┃ ┣━━11-2 整体流程解读.mp4 [20.6M]
┃ ┃ ┃ ┗━━11-3 网络架构设计与训练.mp4 [40.9M]
┃ ┃ ┣━━第12章 时间序列预测 [113.9M]
┃ ┃ ┃ ┣━━12-1 任务目标与数据源.mp4 [18.4M]
┃ ┃ ┃ ┣━━12-2 构建时间序列数据.mp4 [26.1M]
┃ ┃ ┃ ┣━━12-3 训练时间序列数据预测结果.mp4 [29.8M]
┃ ┃ ┃ ┣━━12-4 多特征预测结果.mp4 [24.3M]
┃ ┃ ┃ ┗━━12-5 序列结果预测.mp4 [15.2M]
┃ ┃ ┣━━第13章 自然语言处理通用框架BERT原理解读 [199.8M]
┃ ┃ ┃ ┣━━13-1 BERT任务目标概述.mp4 [11.3M]
┃ ┃ ┃ ┣━━13-10 训练实例.mp4 [23.5M]
┃ ┃ ┃ ┣━━13-2 传统解决方案遇到的问题.mp4 [23.3M]
┃ ┃ ┃ ┣━━13-3 注意力机制的作用.mp4 [15.9M]
┃ ┃ ┃ ┣━━13-4 self-attention计算方法.mp4 [23.9M]
┃ ┃ ┃ ┣━━13-5 特征分配与softmax机制.mp4 [21.3M]
┃ ┃ ┃ ┣━━13-6 Multi-head的作用.mp4 [20.1M]
┃ ┃ ┃ ┣━━13-7 位置编码与多层堆叠.mp4 [17.2M]
┃ ┃ ┃ ┣━━13-8 transformer整体架构梳理.mp4 [22.6M]
┃ ┃ ┃ ┗━━13-9 BERT模型训练方法.mp4 [20.7M]
┃ ┃ ┣━━第14章 开源项目BERT源码解读与应用实例 [514.6M]
┃ ┃ ┃ ┣━━14-1 BERT开源项目简介.mp4 [30.5M]
┃ ┃ ┃ ┣━━14-10 构建QKV矩阵.mp4 [55.6M]
┃ ┃ ┃ ┣━━14-11 完成Transformer模块构建.mp4 [45.8M]
┃ ┃ ┃ ┣━━14-12 训练BERT模型.mp4 [45.9M]
┃ ┃ ┃ ┣━━14-2 项目参数配置.mp4 [53.1M]
┃ ┃ ┃ ┣━━14-3 数据读取模块.mp4 [40.4M]
┃ ┃ ┃ ┣━━14-4 数据预处理模块.mp4 [43.1M]
┃ ┃ ┃ ┣━━14-5 tfrecord制作.mp4 [53.8M]
┃ ┃ ┃ ┣━━14-6 Embedding层的作用.mp4 [33.8M]
┃ ┃ ┃ ┣━━14-7 加入额外编码特征.mp4 [44.6M]
┃ ┃ ┃ ┣━━14-8 加入位置编码特征.mp4 [24.9M]
┃ ┃ ┃ ┗━━14-9 mask机制.mp4 [43M]
┃ ┃ ┣━━第15章 对抗生成网络实战 [117.8M]
┃ ┃ ┃ ┣━━15-1 对抗生成网络通俗解释.mp4 [21.2M]
┃ ┃ ┃ ┣━━15-2 GAN网络组成.mp4 [11.3M]
┃ ┃ ┃ ┣━━15-3 DCGAN网络架构与流程解读.mp4 [16.8M]
┃ ┃ ┃ ┣━━15-4 网络架构设计.mp4 [29.1M]
┃ ┃ ┃ ┗━━15-5 损失函数定义与训练.mp4 [39.3M]
┃ ┃ ┣━━第16章 基于CycleGan开源项目实战图像合成 [462.8M]
┃ ┃ ┃ ┣━━16-1 CycleGan网络所需数据.mp4 [29.6M]
┃ ┃ ┃ ┣━━16-10 判别网络模块构造.mp4 [20.6M]
┃ ┃ ┃ ┣━━16-11 损失函数：identity loss计算方法.mp4 [39.5M]
┃ ┃ ┃ ┣━━16-12 生成与判别损失函数指定.mp4 [53.9M]
┃ ┃ ┃ ┣━━16-13 额外补充：VISDOM可视化配置.mp4 [25.9M]
┃ ┃ ┃ ┣━━16-2 CycleGan整体网络架构.mp4 [21.2M]
┃ ┃ ┃ ┣━━16-3 PatchGan判别网络原理.mp4 [11M]
┃ ┃ ┃ ┣━━16-4 数据与环境配置.mp4 [25.7M]
┃ ┃ ┃ ┣━━16-5 生成与判别器损失函数定义.mp4 [40.6M]
┃ ┃ ┃ ┣━━16-6 整体损失模块解读.mp4 [66.6M]
┃ ┃ ┃ ┣━━16-7 Cycle开源项目简介.mp4 [30M]
┃ ┃ ┃ ┣━━16-8 数据读取与预处理操作.mp4 [48M]
┃ ┃ ┃ ┗━━16-9 生成网络模块构造.mp4 [50.2M]
┃ ┃ ┣━━第17章 经典网络架构Resnet实战 [238.8M]
┃ ┃ ┃ ┣━━17-1 额外补充-Resnet论文解读.mp4 [54.3M]
┃ ┃ ┃ ┣━━17-2 额外补充-Resnet网络架构解读.mp4 [18.6M]
┃ ┃ ┃ ┣━━17-3 项目结构概述.mp4 [16.5M]
┃ ┃ ┃ ┣━━17-4 数据集处理方法.mp4 [25M]
┃ ┃ ┃ ┣━━17-5 训练数据构建.mp4 [28.7M]
┃ ┃ ┃ ┣━━17-6 网络架构层次解读.mp4 [32.2M]
┃ ┃ ┃ ┣━━17-7 前向传播配置.mp4 [32.3M]
┃ ┃ ┃ ┗━━17-8 训练resnet模型.mp4 [31.2M]
┃ ┃ ┣━━第18章 Tensorflow基础操作 [343.8M]
┃ ┃ ┃ ┣━━18-1 Tensorflow简介与安装.mp4 [72.6M]
┃ ┃ ┃ ┣━━18-2 Tensorflow中的变量.mp4 [30M]
┃ ┃ ┃ ┣━━18-3 变量常用操作.mp4 [58.1M]
┃ ┃ ┃ ┣━━18-4 实现线性回归算法.mp4 [63.3M]
┃ ┃ ┃ ┣━━18-5 Mnist数据集简介.mp4 [56.9M]
┃ ┃ ┃ ┗━━18-6 逻辑回归算法.mp4 [62.9M]
┃ ┃ ┣━━第19章 Tensorflow神经网络 [211.9M]
┃ ┃ ┃ ┣━━19-1 神经网络结构.mp4 [68.8M]
┃ ┃ ┃ ┣━━19-2 卷积网络结构基本定义.mp4 [43.5M]
┃ ┃ ┃ ┣━━19-3 卷积神经网络迭代.mp4 [46.8M]
┃ ┃ ┃ ┗━━19-4 Cifar-10图像分类任务.mp4 [52.9M]
┃ ┃ ┣━━第1章 tensorflow安装与简介 [91.2M]
┃ ┃ ┃ ┣━━1-1 课程简介.mp4 [3.8M]
┃ ┃ ┃ ┣━━1-2 Tensorflow2版本简介与心得.mp4 [32.7M]
┃ ┃ ┃ ┣━━1-3 Tensorflow2版本安装方法.mp4 [34.5M]
┃ ┃ ┃ ┗━━1-4 tf基础操作.mp4 [20.1M]
┃ ┃ ┣━━第20章 卷积神经网络实战：猫狗识别 [324M]
┃ ┃ ┃ ┣━━20-1 卷积神经网络实战：猫狗识别.mp4 [62.8M]
┃ ┃ ┃ ┣━━20-2 数据读取.mp4 [57M]
┃ ┃ ┃ ┣━━20-3 网络架构.mp4 [88.3M]
┃ ┃ ┃ ┣━━20-4 网络迭代训练.mp4 [77.5M]
┃ ┃ ┃ ┗━━20-5 测试效果.mp4 [38.4M]
┃ ┃ ┣━━第21章 递归神经网络模型（RNN） [228.4M]
┃ ┃ ┃ ┣━━21-1 RNN网络基本架构.mp4 [30.6M]
┃ ┃ ┃ ┣━━21-2 实现RNN网络架构.mp4 [43.5M]
┃ ┃ ┃ ┣━━21-3 RNN实现自己的小demo.mp4 [66M]
┃ ┃ ┃ ┗━━21-4 RNN预测时间序列.mp4 [88.3M]
┃ ┃ ┣━━第22章 致敬经典：Alexnet网络 [211M]
┃ ┃ ┃ ┣━━22-1 环境配置.mp4 [51.6M]
┃ ┃ ┃ ┣━━22-2 数据读取.mp4 [55.2M]
┃ ┃ ┃ ┣━━22-3 网络结构定义.mp4 [49.9M]
┃ ┃ ┃ ┗━━22-4 加载训练好参数.mp4 [54.4M]
┃ ┃ ┣━━第23章 Tensorboard可视化模块 [252.8M]
┃ ┃ ┃ ┣━━23-1 Tensorboard可视化展示.mp4 [55.2M]
┃ ┃ ┃ ┣━━23-2 展示效果.mp4 [68.6M]
┃ ┃ ┃ ┣━━23-3 统计可视化展示.mp4 [49.5M]
┃ ┃ ┃ ┗━━23-4 参数对结果的影响.mp4 [79.5M]
┃ ┃ ┣━━第24章 tfrecord数据源制作 [311.4M]
┃ ┃ ┃ ┣━━24-1 生成自己的数据集.mp4 [56.8M]
┃ ┃ ┃ ┣━━24-2 读取数据.mp4 [57.8M]
┃ ┃ ┃ ┣━━24-3 生成数据源.mp4 [82.1M]
┃ ┃ ┃ ┗━━24-4 加载tfrecord进行分类任务.mp4 [114.7M]
┃ ┃ ┣━━第25章 CNN文本分类任务 [214.5M]
┃ ┃ ┃ ┣━━25-1 CNN文本分类任务概述.mp4 [50.3M]
┃ ┃ ┃ ┣━━25-2 文本分类任务特征定义.mp4 [69.1M]
┃ ┃ ┃ ┣━━25-3 卷积网络定义.mp4 [24.5M]
┃ ┃ ┃ ┗━━25-4 完成预测分类任务.mp4 [70.5M]
┃ ┃ ┣━━第26章 Resnet残差网络 [187.2M]
┃ ┃ ┃ ┣━━26-1 Resnet网络原理.mp4 [58.3M]
┃ ┃ ┃ ┣━━26-2 网络流程设计.mp4 [51.5M]
┃ ┃ ┃ ┗━━26-3 残差网络细节.mp4 [77.4M]
┃ ┃ ┣━━第27章 Tensorflow项目实战-验证码识别 [204.3M]
┃ ┃ ┃ ┣━━27-1 Tensorflow案例实战视频课程19 验证码数据生成.mp4 [49.2M]
┃ ┃ ┃ ┣━━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 [50.6M]
┃ ┃ ┃ ┣━━27-3 Tensorflow案例实战视频课程21 卷积网络模型定义.mp4 [54.3M]
┃ ┃ ┃ ┗━━27-4 Tensorflow案例实战视频课程22 迭代及测试网络效果.mp4 [50.2M]
┃ ┃ ┣━━第2章 神经网络原理解读与整体架构 [432.3M]
┃ ┃ ┃ ┣━━2-1 深度学习要解决的问题.mp4 [21M]
┃ ┃ ┃ ┣━━2-10 神经网络架构细节.mp4 [43.7M]
┃ ┃ ┃ ┣━━2-11 神经元个数对结果的影响.mp4 [41.9M]
┃ ┃ ┃ ┣━━2-12 正则化与激活函数.mp4 [26.7M]
┃ ┃ ┃ ┣━━2-13 神经网络过拟合解决方法.mp4 [36.7M]
┃ ┃ ┃ ┣━━2-2 深度学习应用领域.mp4 [59M]
┃ ┃ ┃ ┣━━2-3 计算机视觉任务.mp4 [19.5M]
┃ ┃ ┃ ┣━━2-4 视觉任务中遇到的问题.mp4 [37.1M]
┃ ┃ ┃ ┣━━2-5 得分函数.mp4 [19.1M]
┃ ┃ ┃ ┣━━2-6 损失函数的作用.mp4 [32.6M]
┃ ┃ ┃ ┣━━2-7 前向传播整体流程.mp4 [38.5M]
┃ ┃ ┃ ┣━━2-8 返向传播计算方法.mp4 [24.9M]
┃ ┃ ┃ ┗━━2-9 神经网络整体架构.mp4 [31.5M]
┃ ┃ ┣━━第3章 搭建神经网络进行分类与回归任务 [241.1M]
┃ ┃ ┃ ┣━━3-1 任务目标与数据集简介.mp4 [26M]
┃ ┃ ┃ ┣━━3-2 建模流程与API文档.mp4 [25.3M]
┃ ┃ ┃ ┣━━3-3 网络模型训练.mp4 [29.9M]
┃ ┃ ┃ ┣━━3-4 模型超参数调节与预测结果展示.mp4 [42.6M]
┃ ┃ ┃ ┣━━3-5 分类模型构建.mp4 [40.3M]
┃ ┃ ┃ ┣━━3-6 tf.data模块解读.mp4 [29.2M]
┃ ┃ ┃ ┗━━3-7 模型保存与读取实例.mp4 [47.9M]
┃ ┃ ┣━━第4章 卷积神经网络原理与参数解读 [236.8M]
┃ ┃ ┃ ┣━━4-1 卷积网络应用领域.mp4 [26.6M]
┃ ┃ ┃ ┣━━4-10 VGG网络架构.mp4 [20.5M]
┃ ┃ ┃ ┣━━4-11 残差网络Resnet.mp4 [18.4M]
┃ ┃ ┃ ┣━━4-12 感受野的作用.mp4 [16.8M]
┃ ┃ ┃ ┣━━4-2 卷积的作用.mp4 [23.6M]
┃ ┃ ┃ ┣━━4-3 卷积特征值计算方法.mp4 [22.7M]
┃ ┃ ┃ ┣━━4-4 得到特征图表示.mp4 [18.5M]
┃ ┃ ┃ ┣━━4-5 步长与卷积核大小对结果的影响.mp4 [20.4M]
┃ ┃ ┃ ┣━━4-6 边缘填充方法.mp4 [17.9M]
┃ ┃ ┃ ┣━━4-7 特征图尺寸计算与参数共享.mp4 [22M]
┃ ┃ ┃ ┣━━4-8 池化层的作用.mp4 [11.3M]
┃ ┃ ┃ ┗━━4-9 整体网络架构.mp4 [18M]
┃ ┃ ┣━━第5章 猫狗识别实战 [114.6M]
┃ ┃ ┃ ┣━━5-1 猫狗识别任务与数据简介.mp4 [18.2M]
┃ ┃ ┃ ┣━━5-2 卷积网络涉及参数解读.mp4 [25.9M]
┃ ┃ ┃ ┣━━5-3 网络架构配置.mp4 [28.1M]
┃ ┃ ┃ ┗━━5-4 卷积模型训练与识别效果展示.mp4 [42.4M]
┃ ┃ ┣━━第6章 图像数据增强实例 [126.6M]
┃ ┃ ┃ ┣━━6-1 数据增强概述.mp4 [39.3M]
┃ ┃ ┃ ┣━━6-2 图像数据变换.mp4 [66.3M]
┃ ┃ ┃ ┗━━6-3 猫狗识别任务数据增强实例.mp4 [21M]
┃ ┃ ┣━━第7章 训练策略-迁移学习实战 [233.2M]
┃ ┃ ┃ ┣━━7-1 迁移学习的目标.mp4 [13.3M]
┃ ┃ ┃ ┣━━7-2 迁移学习策略.mp4 [16.1M]
┃ ┃ ┃ ┣━━7-3 Resnet原理.mp4 [60.2M]
┃ ┃ ┃ ┣━━7-4 加载训练好的经典网络模型.mp4 [34.2M]
┃ ┃ ┃ ┣━━7-5 Callback模块与迁移学习实例.mp4 [39.9M]
┃ ┃ ┃ ┣━━7-6 tfrecords数据源制作方法.mp4 [34.1M]
┃ ┃ ┃ ┗━━7-7 图像数据处理实例.mp4 [35.4M]
┃ ┃ ┣━━第8章 递归神经网络与词向量原理解读 [133M]
┃ ┃ ┃ ┣━━8-1 RNN网络架构解读.mp4 [23M]
┃ ┃ ┃ ┣━━8-2 词向量模型通俗解释.mp4 [21.2M]
┃ ┃ ┃ ┣━━8-3 模型整体框架.mp4 [27.4M]
┃ ┃ ┃ ┣━━8-4 训练数据构建.mp4 [15.8M]
┃ ┃ ┃ ┣━━8-5 CBOW与Skip-gram模型.mp4 [22.6M]
┃ ┃ ┃ ┗━━8-6 负采样方案.mp4 [23.1M]
┃ ┃ ┣━━第9章 基于TensorFlow实现word2vec [123.5M]
┃ ┃ ┃ ┣━━9-1 任务流程解读.mp4 [17.7M]
┃ ┃ ┃ ┣━━9-2 模型定义参数设置.mp4 [16.8M]
┃ ┃ ┃ ┣━━9-3 文本词预处理操作.mp4 [16.2M]
┃ ┃ ┃ ┣━━9-4 训练batch数据制作.mp4 [43.1M]
┃ ┃ ┃ ┗━━9-5 损失函数定义与训练结果展示.mp4 [29.8M]
┃ ┃ ┗━━文档 [4.5G]
┃ ┃ ┣━━唐宇迪-Tensorflow课程 [720.2M]
┃ ┃ ┃ ┣━━验证码识别.zip [156.9M]
┃ ┃ ┃ ┣━━imagenet-vgg-verydeep-19.mat [549.4M]
┃ ┃ ┃ ┣━━mnist.zip [11.1M]
┃ ┃ ┃ ┣━━tensorflow.pptx [792.8K]
┃ ┃ ┃ ┗━━tensorflow代码.zip [2.1M]
┃ ┃ ┣━━Tensorflow2版本 [2.6G]
┃ ┃ ┃ ┣━━第十三章：自然语言处理通用框架BERT原理解读
┃ ┃ ┃ ┣━━第十四章：谷歌开源项目BERT源码解读（官方TF版）
┃ ┃ ┃ ┣━━第八章：递归神经网络与词向量原理解读.zip [2.1M]
┃ ┃ ┃ ┣━━第二章：神经网络整体架构（深度学习）.pdf [9.5M]
┃ ┃ ┃ ┣━━第九章：基于TensorFlow实现word2vec.zip [29.9M]
┃ ┃ ┃ ┣━━第六章：图像数据增强实例.zip [6.2M]
┃ ┃ ┃ ┣━━第七章：训练策略-迁移学习实战.zip [66.9M]
┃ ┃ ┃ ┣━━第三章：搭建神经网络进行分类与回归任务.zip [17.6M]
┃ ┃ ┃ ┣━━第十二章：时间序列预测.zip [14M]
┃ ┃ ┃ ┣━━第十六章：基于CycleGan开源项目实战图像合成-TF2.zip [113.3M]
┃ ┃ ┃ ┣━━第十六章：基于CycleGan开源项目实战图像合成.zip [1.6G]
┃ ┃ ┃ ┣━━第十七章：经典网络架构Resnet实战.zip [518.9M]
┃ ┃ ┃ ┣━━第十五章：对抗生成网络实战.zip [61.8K]
┃ ┃ ┃ ┣━━第十一章：CNN文本分类实战.zip [27.6K]
┃ ┃ ┃ ┣━━第十一章：TFRecord.zip [66.9M]
┃ ┃ ┃ ┣━━第十章：基于RNN模型进行文本分类任务.zip [95.7M]
┃ ┃ ┃ ┣━━第五章：猫狗识别实战.zip [66.2M]
┃ ┃ ┃ ┗━━第一章：tensorflow安装与简介.zip [298.7K]
┃ ┃ ┣━━猫狗识别.zip [166.3M]
┃ ┃ ┣━━验证码识别.zip [156.9M]
┃ ┃ ┣━━Alexnet.zip [216.3M]
┃ ┃ ┣━━name.zip [30.3M]
┃ ┃ ┣━━notebook代码.zip [1.4M]
┃ ┃ ┣━━res_net.zip [185.2M]
┃ ┃ ┣━━rnn_example.zip [533.6K]
┃ ┃ ┣━━tensorBoard.zip [58.8M]
┃ ┃ ┣━━tensorflow2版本数据代码汇总.txt [74B]
┃ ┃ ┣━━Tensorflow数据代码.txt [77B]
┃ ┃ ┗━━tfrecord.zip [437.3M]
┃ ┗━━51CTO学院 唐宇迪 深度学习-Keras-项目实战--198 [4.8G]
┃ ┣━━第10章 地址邮编多序列任务 [184.6M]
┃ ┃ ┣━━10-1 数据与目标.mp4 [29.3M]
┃ ┃ ┣━━10-2 字符表制作.mp4 [28.1M]
┃ ┃ ┣━━10-3 数据读取.mp4 [19.9M]
┃ ┃ ┣━━10-4 数据增强.mp4 [45.7M]
┃ ┃ ┣━━10-5 网络模型.mp4 [21.2M]
┃ ┃ ┗━━10-6 测试效果.mp4 [40.5M]
┃ ┣━━第11章 seq2seq网络实战 [271.4M]
┃ ┃ ┣━━11-1 网络模型解读.mp4 [27.1M]
┃ ┃ ┣━━11-2 数据介绍与读取.mp4 [33.8M]
┃ ┃ ┣━━11-3 配置文件制作.mp4 [26.4M]
┃ ┃ ┣━━11-4 编码器模型.mp4 [28.1M]
┃ ┃ ┣━━11-5 解码器模型.mp4 [19M]
┃ ┃ ┣━━11-6 制作训练batch数据.mp4 [62.5M]
┃ ┃ ┣━━11-7 测试数据准备.mp4 [40.3M]
┃ ┃ ┗━━11-8 完成测试模块.mp4 [34.2M]
┃ ┣━━第12章 实战模板总结 [219.1M]
┃ ┃ ┣━━12-1 模板目录结构.mp4 [19.6M]
┃ ┃ ┣━━12-2 模型与训练结构.mp4 [24.8M]
┃ ┃ ┣━━12-3 评论数据集与任务目标.mp4 [10.8M]
┃ ┃ ┣━━12-4 数据准备.mp4 [41.4M]
┃ ┃ ┣━━12-5 模型整体架构.mp4 [26.1M]
┃ ┃ ┣━━12-6 准备模型.mp4 [52.3M]
┃ ┃ ┣━━12-7 训练网络.mp4 [22.9M]
┃ ┃ ┗━━12-8 多标签训练.mp4 [21.2M]
┃ ┣━━第1章 课程简介 [21.2M]
┃ ┃ ┣━━1-1 Keras项目实战课程概述.mp4 [6.3M]
┃ ┃ ┗━━1-2 简介与安装.mp4 [14.9M]
┃ ┣━━第2章 搭建神经网络-应用于自己的数据集 [358.3M]
┃ ┃ ┣━━2-1 训练自己的数据集整体流程.mp4 [39.1M]
┃ ┃ ┣━━2-2 数据加载与预处理.mp4 [34.1M]
┃ ┃ ┣━━2-3 搭建网络模型.mp4 [47.6M]
┃ ┃ ┣━━2-4 学习率对结果的影响.mp4 [39.2M]
┃ ┃ ┣━━2-5 Drop-out操作.mp4 [31.5M]
┃ ┃ ┣━━2-6 权重初始化方法对比.mp4 [39.5M]
┃ ┃ ┣━━2-7 初始化标准差对结果的影响.mp4 [15M]
┃ ┃ ┣━━2-8 正则化对结果的影响.mp4 [64.6M]
┃ ┃ ┗━━2-9 加载模型进行测试.mp4 [47.7M]
┃ ┣━━第3章 再战卷积神经网络 [191.4M]
┃ ┃ ┣━━3-1 卷积层构造.mp4 [37.4M]
┃ ┃ ┣━━3-2 整体流程.mp4 [42M]
┃ ┃ ┣━━3-3 BatchNormalization效果.mp4 [43.8M]
┃ ┃ ┣━━3-4 参数对比.mp4 [49.8M]
┃ ┃ ┗━━3-5 网络测试效果.mp4 [18.5M]
┃ ┣━━第4章 LSTM时间序列预测任务 [257.7M]
┃ ┃ ┣━━4-1 时间序列模型.mp4 [28.3M]
┃ ┃ ┣━━4-2 网络结构与参数定义.mp4 [23.9M]
┃ ┃ ┣━━4-3 构建LSTM模型.mp4 [29.5M]
┃ ┃ ┣━━4-4 训练模型与效果展示.mp4 [44M]
┃ ┃ ┣━━4-5 多序列预测结果.mp4 [48.8M]
┃ ┃ ┣━━4-6 股票数据预测.mp4 [27.5M]
┃ ┃ ┣━━4-7 数据预处理.mp4 [35.4M]
┃ ┃ ┗━━4-8 预测结果展示.mp4 [20.5M]
┃ ┣━━第5章 文本分类实战 [257.7M]
┃ ┃ ┣━━5-1 文本数据读取预处理.mp4 [31.4M]
┃ ┃ ┣━━5-2 基本模型.mp4 [38M]
┃ ┃ ┣━━5-3 3-Embeeding-layer效果.mp4 [42.3M]
┃ ┃ ┣━━5-4 准备词向量数据.mp4 [31.5M]
┃ ┃ ┣━━5-5 词嵌入训练结果.mp4 [29.9M]
┃ ┃ ┣━━5-6 加入LSTM层效果.mp4 [20.6M]
┃ ┃ ┣━━5-7 加入卷积层效果.mp4 [14.3M]
┃ ┃ ┗━━5-8 参数调优.mp4 [49.7M]
┃ ┣━━第6章 多标签与多输出 [210M]
┃ ┃ ┣━━6-1 多标签解决方案.mp4 [47.5M]
┃ ┃ ┣━━6-2 多标签网络训练与测试.mp4 [55.5M]
┃ ┃ ┣━━6-3 多输出网络解决方案.mp4 [45.7M]
┃ ┃ ┗━━6-4 多输出网络训练与测试.mp4 [61.4M]
┃ ┣━━第7章 数据增强 [206M]
┃ ┃ ┣━━7-1 DIY你的数据集.mp4 [69.2M]
┃ ┃ ┣━━7-2 数据增强概述.mp4 [39.3M]
┃ ┃ ┣━━7-3 图像数据变换.mp4 [66.3M]
┃ ┃ ┗━━7-4 数据增强效果.mp4 [31.2M]
┃ ┣━━第8章 对抗生成网络 [280.2M]
┃ ┃ ┣━━8-1 对抗生成网络通俗解释.mp4 [21.2M]
┃ ┃ ┣━━8-2 GAN网络组成.mp4 [11.3M]
┃ ┃ ┣━━8-3 判别网络设计.mp4 [54.4M]
┃ ┃ ┣━━8-4 生成网络定义.mp4 [43.1M]
┃ ┃ ┣━━8-5 标签制作.mp4 [44.9M]
┃ ┃ ┣━━8-6 训练与测试网络模型.mp4 [48.2M]
┃ ┃ ┗━━8-7 DCGAN网络.mp4 [57.2M]
┃ ┣━━第9章 迁移学习 [265M]
┃ ┃ ┣━━9-1 迁移学习的目标.mp4 [13.3M]
┃ ┃ ┣━━9-2 迁移学习策略.mp4 [16.1M]
┃ ┃ ┣━━9-3 Resnet原理.mp4 [60.2M]
┃ ┃ ┣━━9-4 Resnet网络细节.mp4 [38.1M]
┃ ┃ ┣━━9-5 Resnet基本处理操作.mp4 [25.7M]
┃ ┃ ┣━━9-6 shortcut模块.mp4 [37.4M]
┃ ┃ ┣━━9-7 加载训练好的权重.mp4 [31.7M]
┃ ┃ ┗━━9-8 迁移学习效果对比.mp4 [42.6M]
┃ ┗━━文档 [2.1G]
┃ ┣━━第八章：对抗生成网络.zip [7.6M]
┃ ┣━━第二,三章：搭建神经网络模型-应用于自己的数据集.zip [233.6M]
┃ ┣━━第九章：迁移学习.zip [91.9M]
┃ ┣━━第六章：多标签与多输出.zip [1.1G]
┃ ┣━━第七章：数据增强.zip [14.1M]
┃ ┣━━第十二章：实战模板总结.zip [437M]
┃ ┣━━第十一章：seq2seq网络实战.zip [52.1M]
┃ ┣━━第十章：地址邮编多序列预测.zip [7M]
┃ ┣━━第四章：LSTM时间序列预测任务.zip [24.4M]
┃ ┣━━第五章：文本分类实战.zip [199.6M]
┃ ┗━━keras.pdf [884.4K]
┣━━第一阶段：Python工具包实战与机视觉必备基础 [7.7G]
┃ ┣━━51CTO学院 唐宇迪 Python入门与数据科学库--398 [4.4G]
┃ ┃ ┣━━第1章 Python必备基础，快速入门 [1.2G]
┃ ┃ ┃ ┣━━1-1 Python环境配置.mp4 [66.1M]
┃ ┃ ┃ ┣━━1-10 字典核心操作.mp4 [41.8M]
┃ ┃ ┃ ┣━━1-11 Set结构.mp4 [39.4M]
┃ ┃ ┃ ┣━━1-12 赋值机制.mp4 [9.9M]
┃ ┃ ┃ ┣━━1-13 判断结构.mp4 [21.6M]
┃ ┃ ┃ ┣━━1-14 循环结构.mp4 [38.4M]
┃ ┃ ┃ ┣━━1-15 函数定义.mp4 [45.8M]
┃ ┃ ┃ ┣━━1-16 模块与包.mp4 [49M]
┃ ┃ ┃ ┣━━1-17 异常处理模块.mp4 [78M]
┃ ┃ ┃ ┣━━1-18 文件操作.mp4 [73.7M]
┃ ┃ ┃ ┣━━1-19 类的基本定义.mp4 [48.2M]
┃ ┃ ┃ ┣━━1-2 Python库安装工具.mp4 [44.8M]
┃ ┃ ┃ ┣━━1-20 类的属性操作.mp4 [58M]
┃ ┃ ┃ ┣━━1-21 时间操作.mp4 [25.5M]
┃ ┃ ┃ ┣━━1-22 Python练习题-1.mp4 [54M]
┃ ┃ ┃ ┣━━1-23 Python练习题-2.mp4 [78M]
┃ ┃ ┃ ┣━━1-24 Python练习题-3.mp4 [47.2M]
┃ ┃ ┃ ┣━━1-25 Python练习题-4.mp4 [50.6M]
┃ ┃ ┃ ┣━━1-3 Notebook工具.mp4 [97.4M]
┃ ┃ ┃ ┣━━1-4 Python简介.mp4 [64.5M]
┃ ┃ ┃ ┣━━1-5 Python数值运算.mp4 [52.3M]
┃ ┃ ┃ ┣━━1-6 Python字符串操作.mp4 [47.2M]
┃ ┃ ┃ ┣━━1-7 List基础结构.mp4 [42.4M]
┃ ┃ ┃ ┣━━1-8 List核心操作.mp4 [46.6M]
┃ ┃ ┃ ┗━━1-9 字典基础定义.mp4 [27.7M]
┃ ┃ ┣━━第2章 Python科学计算库-Numpy [814.3M]
┃ ┃ ┃ ┣━━2-1 Numpy概述.mp4 [36.9M]
┃ ┃ ┃ ┣━━2-10 四则运算.mp4 [34.2M]
┃ ┃ ┃ ┣━━2-11 随机模块.mp4 [61.3M]
┃ ┃ ┃ ┣━━2-12 文件读写.mp4 [40.6M]
┃ ┃ ┃ ┣━━2-13 数组保存.mp4 [53.1M]
┃ ┃ ┃ ┣━━2-14 练习题-1.mp4 [56.4M]
┃ ┃ ┃ ┣━━2-15 练习题-2.mp4 [58.2M]
┃ ┃ ┃ ┣━━2-16 练习题-3.mp4 [77.6M]
┃ ┃ ┃ ┣━━2-2 Array数组.mp4 [37.3M]
┃ ┃ ┃ ┣━━2-3 数组结构.mp4 [75.6M]
┃ ┃ ┃ ┣━━2-4 数组类型.mp4 [27.7M]
┃ ┃ ┃ ┣━━2-5 数值运算.mp4 [54.9M]
┃ ┃ ┃ ┣━━2-6 排序操作.mp4 [46M]
┃ ┃ ┃ ┣━━2-7 数组形状操作.mp4 [69.4M]
┃ ┃ ┃ ┣━━2-8 数组生成函数.mp4 [52.6M]
┃ ┃ ┃ ┗━━2-9 常用生成函数.mp4 [32.6M]
┃ ┃ ┣━━第3章 数据分析处理库-pandas [1.1G]
┃ ┃ ┃ ┣━━3-1 Pandas概述.mp4 [56.8M]
┃ ┃ ┃ ┣━━3-10 数据透视表.mp4 [60.6M]
┃ ┃ ┃ ┣━━3-11 时间操作.mp4 [46.5M]
┃ ┃ ┃ ┣━━3-12 时间序列操作.mp4 [55.9M]
┃ ┃ ┃ ┣━━3-13 常用操作.mp4 [55M]
┃ ┃ ┃ ┣━━3-14 常用操作2.mp4 [55.3M]
┃ ┃ ┃ ┣━━3-15 Groupby操作延伸.mp4 [91.5M]
┃ ┃ ┃ ┣━━3-16 字符串操作.mp4 [31.7M]
┃ ┃ ┃ ┣━━3-17 索引进阶.mp4 [42.3M]
┃ ┃ ┃ ┣━━3-18 pandas绘图.mp4 [67.4M]
┃ ┃ ┃ ┣━━3-19 大数据处理技巧.mp4 [128.5M]
┃ ┃ ┃ ┣━━3-2 Pandas基本操作.mp4 [67.6M]
┃ ┃ ┃ ┣━━3-3 Pandas索引.mp4 [61.5M]
┃ ┃ ┃ ┣━━3-4 groupby操作.mp4 [45.2M]
┃ ┃ ┃ ┣━━3-5 数值运算.mp4 [52.7M]
┃ ┃ ┃ ┣━━3-6 对象基本操作.mp4 [46.8M]
┃ ┃ ┃ ┣━━3-7 对象操作细节.mp4 [47M]
┃ ┃ ┃ ┣━━3-8 merge操作.mp4 [53.3M]
┃ ┃ ┃ ┗━━3-9 显示设置.mp4 [33.8M]
┃ ┃ ┣━━第4章 可视化库Matplotlib [869.3M]
┃ ┃ ┃ ┣━━4-1 Matplot概述.mp4 [46.9M]
┃ ┃ ┃ ┣━━4-10 绘图细节设置2.mp4 [55.2M]
┃ ┃ ┃ ┣━━4-11 直方图与散点图.mp4 [71.6M]
┃ ┃ ┃ ┣━━4-12 3D图绘制.mp4 [82.7M]
┃ ┃ ┃ ┣━━4-13 pie图.mp4 [63.1M]
┃ ┃ ┃ ┣━━4-14 子图布局.mp4 [65M]
┃ ┃ ┃ ┣━━4-15 结合pandas与sklearn.mp4 [60.6M]
┃ ┃ ┃ ┣━━4-2 子图与标注.mp4 [94.3M]
┃ ┃ ┃ ┣━━4-3 风格设置.mp4 [20.2M]
┃ ┃ ┃ ┣━━4-4 条形图.mp4 [50.2M]
┃ ┃ ┃ ┣━━4-5 条形图细节.mp4 [50.8M]
┃ ┃ ┃ ┣━━4-6 条形外观.mp4 [54.8M]
┃ ┃ ┃ ┣━━4-7 盒图绘制.mp4 [36M]
┃ ┃ ┃ ┣━━4-8 盒图细节.mp4 [61.5M]
┃ ┃ ┃ ┗━━4-9 绘图细节设置.mp4 [56.3M]
┃ ┃ ┣━━第5章 可视化库seaborn [435.6M]
┃ ┃ ┃ ┣━━5-1 简介.mp4 [9M]
┃ ┃ ┃ ┣━━5-10 Facetgrid使用方法.mp4 [33.4M]
┃ ┃ ┃ ┣━━5-11 绘制多变量.mp4 [34.5M]
┃ ┃ ┃ ┣━━5-12 热度图绘制.mp4 [55.5M]
┃ ┃ ┃ ┣━━5-2 整体布局风格设置.mp4 [31.6M]
┃ ┃ ┃ ┣━━5-3 风格细节设置.mp4 [27.9M]
┃ ┃ ┃ ┣━━5-4 调色板.mp4 [36.8M]
┃ ┃ ┃ ┣━━5-5 调色板颜色设置.mp4 [32M]
┃ ┃ ┃ ┣━━5-6 单变量分析绘图.mp4 [44.4M]
┃ ┃ ┃ ┣━━5-7 回归分析绘图.mp4 [41.1M]
┃ ┃ ┃ ┣━━5-8 多变量分析绘图.mp4 [45.9M]
┃ ┃ ┃ ┗━━5-9 分类属性绘图.mp4 [43.6M]
┃ ┃ ┗━━文档 [33.5M]
┃ ┃ ┣━━第一阶段：Python库作业.zip [1.4M]
┃ ┃ ┣━━Matplotlib.zip [3.7M]
┃ ┃ ┣━━Numpy.zip [16.9K]
┃ ┃ ┣━━Pandas.zip [24.4M]
┃ ┃ ┣━━Python基础.zip [174.8K]
┃ ┃ ┗━━Seaborn.zip [3.8M]
┃ ┗━━51CTO学院 唐宇迪 计算机视觉-Opencv项目实战(Python版)--298 [3.4G]
┃ ┣━━第10章 项目实战-文档扫描OCR识别 [152.5M]
┃ ┃ ┣━━10-1 整体流程演示.mp4 [21.1M]
┃ ┃ ┣━━10-2 文档轮廓提取.mp4 [25.8M]
┃ ┃ ┣━━10-3 坐标变换计算.mp4 [25.3M]
┃ ┃ ┣━━10-4 透视变换结果.mp4 [30.5M]
┃ ┃ ┣━━10-5 tesseract-ocr安装配置.mp4 [26.8M]
┃ ┃ ┗━━10-6 文档扫描识别结果.mp4 [22.8M]
┃ ┣━━第11章 图像特征-harris [129.4M]
┃ ┃ ┣━━11-1 角点检测基本原理.mp4 [16.5M]
┃ ┃ ┣━━11-2 基本数学原理.mp4 [28M]
┃ ┃ ┣━━11-3 求解化简.mp4 [28.7M]
┃ ┃ ┣━━11-4 特征归属划分.mp4 [34.8M]
┃ ┃ ┗━━11-5 opencv角点检测.mp4 [21.3M]
┃ ┣━━第12章 图像特征-sift [163.6M]
┃ ┃ ┣━━12-1 尺度空间定义.mp4 [19.8M]
┃ ┃ ┣━━12-2 高斯差分金字塔.mp4 [21.2M]
┃ ┃ ┣━━12-3 特征关键点定位.mp4 [43.8M]
┃ ┃ ┣━━12-4 生成特征描述.mp4 [20.9M]
┃ ┃ ┣━━12-5 特征向量生成.mp4 [32.6M]
┃ ┃ ┗━━12-6 opencv中的sift函数.mp4 [25.2M]
┃ ┣━━第13章 案例实战-全景图像拼接 [113.5M]
┃ ┃ ┣━━13-1 特征匹配方法.mp4 [27M]
┃ ┃ ┣━━13-2 RANSAC算法.mp4 [29.8M]
┃ ┃ ┣━━13-3 图像拼接方法.mp4 [37.2M]
┃ ┃ ┗━━13-4 流程解读.mp4 [19.5M]
┃ ┣━━第14章 项目实战-停车场车位识别 [361.7M]
┃ ┃ ┣━━14-1 任务整体流程.mp4 [47.8M]
┃ ┃ ┣━━14-2 所需数据介绍.mp4 [26.9M]
┃ ┃ ┣━━14-3 图像数据预处理.mp4 [44.1M]
┃ ┃ ┣━━14-4 车位直线检测.mp4 [55.1M]
┃ ┃ ┣━━14-5 按列划分区域.mp4 [51.8M]
┃ ┃ ┣━━14-6 车位区域划分.mp4 [50.1M]
┃ ┃ ┣━━14-7 识别模型构建.mp4 [32.8M]
┃ ┃ ┗━━14-8 基于视频的车位检测.mp4 [53.1M]
┃ ┣━━第15章 项目实战-答题卡识别判卷 [121.6M]
┃ ┃ ┣━━15-1 整体流程与效果概述.mp4 [25.8M]
┃ ┃ ┣━━15-2 预处理操作.mp4 [23.4M]
┃ ┃ ┣━━15-3 填涂轮廓检测.mp4 [24.4M]
┃ ┃ ┗━━15-4 选项判断识别.mp4 [48M]
┃ ┣━━第16章 背景建模 [103.5M]
┃ ┃ ┣━━16-1 背景消除-帧差法.mp4 [20.9M]
┃ ┃ ┣━━16-2 混合高斯模型.mp4 [24M]
┃ ┃ ┣━━16-3 学习步骤.mp4 [26.7M]
┃ ┃ ┗━━16-4 背景建模实战.mp4 [31.9M]
┃ ┣━━第17章 光流估计 [109.4M]
┃ ┃ ┣━━17-1 基本概念.mp4 [20.9M]
┃ ┃ ┣━━17-2 Lucas-Kanade算法.mp4 [17.5M]
┃ ┃ ┣━━17-3 推导求解.mp4 [22.4M]
┃ ┃ ┗━━17-4 光流估计实战.mp4 [48.7M]
┃ ┣━━第18章 Opencv的DNN模块 [67.5M]
┃ ┃ ┣━━18-1 DNN模块.mp4 [29.4M]
┃ ┃ ┗━━18-2 模型加载与输出结果.mp4 [38.1M]
┃ ┣━━第19章 项目实战-目标追踪 [228.5M]
┃ ┃ ┣━━19-1 目标追踪概述.mp4 [51.5M]
┃ ┃ ┣━━19-2 多目标追踪实战.mp4 [27.7M]
┃ ┃ ┣━━19-3 深度学习检测框架加载.mp4 [39.3M]
┃ ┃ ┣━━19-4 基于dlib和ssd的追踪.mp4 [47.4M]
┃ ┃ ┣━━19-5 多进程目标追踪.mp4 [23.3M]
┃ ┃ ┗━━19-6 效率提升对比.mp4 [39.3M]
┃ ┣━━第1章 课程简介与环境配置 [92.9M]
┃ ┃ ┣━━1-1 课程简介.mp4 [5M]
┃ ┃ ┣━━1-2 Python与Opencv的配置.mp4 [33.5M]
┃ ┃ ┗━━1-3 Notebook与IDE环境配置.mp4 [54.4M]
┃ ┣━━第20章 卷积原理与操作 [217.7M]
┃ ┃ ┣━━20-1 卷积网络的应用.mp4 [45.1M]
┃ ┃ ┣━━20-2 卷积层解释.mp4 [22.5M]
┃ ┃ ┣━━20-3 卷积计算过程.mp4 [30.2M]
┃ ┃ ┣━━20-4 padding与stride.mp4 [26.9M]
┃ ┃ ┣━━20-5 卷积参数共享.mp4 [18.8M]
┃ ┃ ┣━━20-6 池化层原理.mp4 [17.3M]
┃ ┃ ┣━━20-7 卷积效果演示.mp4 [22.7M]
┃ ┃ ┗━━20-8 卷积操作流程.mp4 [34.1M]
┃ ┣━━第21章 项目实战-疲劳检测 [162.9M]
┃ ┃ ┣━━21-1 关键点定位概述.mp4 [25.7M]
┃ ┃ ┣━━21-2 获取人脸关键点.mp4 [29.8M]
┃ ┃ ┣━━21-3 定位效果演示.mp4 [37.6M]
┃ ┃ ┣━━21-4 闭眼检测.mp4 [33.5M]
┃ ┃ ┗━━21-5 检测效果.mp4 [36.4M]
┃ ┣━━第2章 图像基本操作 [131.6M]
┃ ┃ ┣━━2-1 计算机眼中的图像.mp4 [28.2M]
┃ ┃ ┣━━2-2 视频的读取与处理.mp4 [36.4M]
┃ ┃ ┣━━2-3 ROI区域.mp4 [13.5M]
┃ ┃ ┣━━2-4 边界填充.mp4 [21.3M]
┃ ┃ ┗━━2-5 数值计算.mp4 [32.3M]
┃ ┣━━第3章 阈值与平滑处理 [71.8M]
┃ ┃ ┣━━3-1 图像阈值.mp4 [30M]
┃ ┃ ┣━━3-2 图像平滑处理.mp4 [23M]
┃ ┃ ┗━━3-3 高斯与中值滤波.mp4 [18.8M]
┃ ┣━━第4章 图像形态学操作 [54.3M]
┃ ┃ ┣━━4-1 腐蚀操作.mp4 [18.5M]
┃ ┃ ┣━━4-2 膨胀操作.mp4 [9.7M]
┃ ┃ ┣━━4-3 开运算与闭运算.mp4 [8M]
┃ ┃ ┣━━4-4 梯度计算.mp4 [7.1M]
┃ ┃ ┗━━4-5 礼帽与黑帽.mp4 [11M]
┃ ┣━━第5章 图像梯度计算 [73.3M]
┃ ┃ ┣━━5-1 Sobel算子.mp4 [25.6M]
┃ ┃ ┣━━5-2 梯度计算方法.mp4 [25.5M]
┃ ┃ ┗━━5-3 scharr与Laplace算子.mp4 [22.2M]
┃ ┣━━第6章 边缘检测 [59.8M]
┃ ┃ ┣━━6-1 Canny边缘检测流程.mp4 [17.1M]
┃ ┃ ┣━━6-2 非极大值抑制.mp4 [16M]
┃ ┃ ┗━━6-3 边缘检测效果.mp4 [26.7M]
┃ ┣━━第7章 图像金字塔与轮廓检测 [176.4M]
┃ ┃ ┣━━7-1 图像金字塔定义.mp4 [18.7M]
┃ ┃ ┣━━7-2 金字塔制作方法.mp4 [22.1M]
┃ ┃ ┣━━7-3 轮廓检测方法.mp4 [17.1M]
┃ ┃ ┣━━7-4 轮廓检测结果.mp4 [26.5M]
┃ ┃ ┣━━7-5 轮廓特征与近似.mp4 [34.3M]
┃ ┃ ┣━━7-6 模板匹配方法.mp4 [39.5M]
┃ ┃ ┗━━7-7 匹配效果展示.mp4 [18.3M]
┃ ┣━━第8章 直方图与傅里叶变换 [152.3M]
┃ ┃ ┣━━8-1 直方图定义.mp4 [22.5M]
┃ ┃ ┣━━8-2 均衡化原理.mp4 [29.7M]
┃ ┃ ┣━━8-3 均衡化效果.mp4 [24.3M]
┃ ┃ ┣━━8-4 傅里叶概述.mp4 [25.7M]
┃ ┃ ┣━━8-5 频域变换结果.mp4 [26M]
┃ ┃ ┗━━8-6 低通与高通滤波.mp4 [24.2M]
┃ ┣━━第9章 项目实战-信用卡数字识别 [141.7M]
┃ ┃ ┣━━9-1 总体流程与方法讲解.mp4 [21M]
┃ ┃ ┣━━9-2 环境配置与预处理.mp4 [29M]
┃ ┃ ┣━━9-3 模板处理方法.mp4 [22.8M]
┃ ┃ ┣━━9-4 输入数据处理方法.mp4 [28.9M]
┃ ┃ ┗━━9-5 模板匹配得出识别结果.mp4 [40M]
┃ ┗━━文档 [549.6M]
┃ ┣━━第11-12章notebook课件.zip [52.1M]
┃ ┣━━第16-17章notebook课件.zip [9.4M]
┃ ┣━━第2-7章notebook课件.zip [7.3M]
┃ ┣━━第八章notebook课件.zip [1.3M]
┃ ┣━━第二十一章：人脸关键点定位.zip [69.8M]
┃ ┣━━第二十一章：项目实战-疲劳检测.zip [74.1M]
┃ ┣━━第二十章：卷积原理与操作.zip [24.5K]
┃ ┣━━第九章：项目实战-信用卡数字识别.zip [548.1K]
┃ ┣━━第十八章：Opencv的DNN模块.zip [49.6M]
┃ ┣━━第十九章：项目实战-目标追踪.zip [125.3M]
┃ ┣━━第十三章：案例实战-全景图像拼接.zip [829.5K]
┃ ┣━━第十四章：项目实战-停车场车位识别.zip [111.3M]
┃ ┣━━第十五章：项目实战-答题卡识别判卷.zip [3.1M]
┃ ┗━━第十章：项目实战-文档扫描OCR识别.zip [44.9M]
〖百度网盘下载地址〗:
---------------------------------华丽分割线--------------------------------华丽分割线-------------------华丽分割线-------------------------华丽分割线----------------
〖下载地址失效反馈〗:
如果下载地址失效，请尽快反馈给我们，我们尽快修复。反馈地址：http://www.51shequ.cn/forum-70-1.html
〖赞助VIP免社区币下载全站资源〗:
全站资源高清无密，每天不间断更新，vip会员可以免费下载全部资源
〖客服24小时咨询〗:
有任何问题，请点击左侧QQ咨询。 |
|
发表于 2021-1-8 01:07:24
发表于 2021-2-12 16:51:59
发表于 2021-4-2 20:26:52
发表于 2021-5-1 11:41:03
