博学谷：Python+人工智能在线就业班，深度学习与神经网络培训课程下载 价值14980元

本套课程来自博学谷：Python+人工智能在线就业班，课程官方售价14980元，本套为2018年9月份培训课程，共包含10章节完整无加密版培训视频，共计9.4G，是零基础入门AI人工智能领域不错的课程。文章底部附下载地址，如链接失效，可评论告知。

课程介绍：

深度学习介绍" width="600" height="335" style="max-width: 100%; margin: 0px auto; height: auto; text-align: center; display: block;"/>

深度学习与神经网络，本套课程你将会学习到：
1、知道深度学习与机器学习的区别。
2、了解神经网络的结构组成。
3、知道深度学习效果特点。
4、知道逻辑回归的算法计算输出、损失函数。
5、知道导数的计算图。
6、知道逻辑回归的梯度下降算法。
7、知道多样本的向量计算。
8、应用完成向量化运算。
9、应用完成一个单神经元神经网络的结构。
10、知道浅层神经网络的前向计算过程。
11、知道选择激活函数的原因。
12、说明浅层网络的反向传播推导过程。
13、应用完成一个浅层神经网络结构进行分类。
14、了解深层网络的前向传播与反向传播的过程。

本课程适合哪些人群？
1、在校大学生/研究生
2、新入职场的技术小白
3、零基础 想转行的非在职IT人员
4、有基础 想转行的在职IT人员
5、希望得到技能提升的IT研发人员

课程官方地址：https://www.boxuegu.com/class/detail-1355.html

课程文件目录：

博学谷： 最新博穴谷XG-Python人工智能课程 价值14980元 [9.4G]
┣━━1-1 深度学习基础 [530.2M]
┃ ┗━━1-1 深度学习基础 [530.2M]
┃ ┣━━1.深度学习介绍 [44.6M]
┃ ┃ ┣━━01_深度学习课程介绍.mp4 [6.4M]
┃ ┃ ┣━━02_深度学习介绍.mp4 [33.2M]
┃ ┃ ┗━━03_深度学习介绍2.mp4 [5M]
┃ ┣━━2.神经网络基础 [282.9M]
┃ ┃ ┣━━01_逻辑回归介绍.mp4 [26.8M]
┃ ┃ ┣━━02_逻辑回归损失函数.mp4 [17.2M]
┃ ┃ ┣━━03_梯度下降算法过程以及公式.mp4 [21.1M]
┃ ┃ ┣━━04_导数意义介绍.mp4 [6.8M]
┃ ┃ ┣━━05_a^2函数的导数介绍.mp4 [17.1M]
┃ ┃ ┣━━06_导数计算图与链式法则.mp4 [24.9M]
┃ ┃ ┣━━07_逻辑回归的导数计算图分析以及参数导数.mp4 [23.6M]
┃ ┃ ┣━━08_向量化编程介绍引入.mp4 [17.4M]
┃ ┃ ┣━━09_向量化编程的优势.mp4 [17.4M]
┃ ┃ ┣━━10_向量化实现逻辑回归的梯度计算更新.mp4 [17.4M]
┃ ┃ ┣━━11_正向传播与反向传播、作业介绍.mp4 [14.2M]
┃ ┃ ┣━━12_作业讲解题1：实现sigmoid函数与梯度实.mp4 [7.2M]
┃ ┃ ┣━━13_作业讲解题2：单神经元神经网络(logistic)分类作业流程介绍.mp4 [9.9M]
┃ ┃ ┣━━14_作业讲解题2：参数初始化与前向传播、反向传播.mp4 [24.1M]
┃ ┃ ┣━━15_作业讲解题2：优化迭代实现、model逻辑实现.mp4 [23M]
┃ ┃ ┗━━16_总结.mp4 [14.6M]
┃ ┣━━3.浅层神经网络 [159.9M]
┃ ┃ ┣━━01_浅层神经网络表示.mp4 [14.9M]
┃ ┃ ┣━━02_浅层神经网络的前向传播.mp4 [12.9M]
┃ ┃ ┣━━03_激活函数的选择.mp4 [21M]
┃ ┃ ┣━━04_浅层神经网络的反向传播.mp4 [18.4M]
┃ ┃ ┣━━05_作业介绍.mp4 [7.7M]
┃ ┃ ┣━━06_作业实现：初始化模型与前向传播.mp4 [28.4M]
┃ ┃ ┣━━07_作业实现：反向传播与更新梯度.mp4 [33.6M]
┃ ┃ ┣━━08_作业实现：网络模型逻辑实现.mp4 [15.3M]
┃ ┃ ┗━━09_总结.mp4 [7.7M]
┃ ┗━━4.深层神经网络 [42.8M]
┃ ┣━━01_深层神经网络表示.mp4 [17.9M]
┃ ┣━━02_深层神经网络的反向传播过程.mp4 [9.8M]
┃ ┗━━03_参数初始化与超参数介绍.mp4 [15.1M]
┣━━1-2 深度学习优化进阶 [749.7M]
┃ ┗━━1-2 深度学习优化进阶 [749.7M]
┃ ┣━━1.多分类 [238.7M]
┃ ┃ ┣━━01_深度学习紧接、多分类介绍.mp4 [17.6M]
┃ ┃ ┣━━02_交叉熵损失原理.mp4 [24.4M]
┃ ┃ ┣━━03_案例：Mnist手写数字数据介绍.mp4 [18.2M]
┃ ┃ ┣━━04_案例：网络结构、流程、代码介绍.mp4 [25.7M]
┃ ┃ ┣━━05_案例：主网络结构搭建实现.mp4 [45.8M]
┃ ┃ ┣━━06_案例：添加准确率.mp4 [33.4M]
┃ ┃ ┣━━07_案例：Tensorboard观察显示.mp4 [28.2M]
┃ ┃ ┣━━08_案例：添加模型保存、预测.mp4 [33.2M]
┃ ┃ ┗━━09_调整学习率带来的问题.mp4 [12.3M]
┃ ┣━━2.梯度下降算法优化 [254.1M]
┃ ┃ ┣━━01_深度学习遇到问题、为什么需要优化算法.mp4 [33.1M]
┃ ┃ ┣━━02_Mini梯度下降与Batch梯度下降.mp4 [35.2M]
┃ ┃ ┣━━03_指数加权平均.mp4 [20.5M]
┃ ┃ ┣━━04_动量梯度下降原理公式理解.mp4 [39.6M]
┃ ┃ ┣━━05_RMSProp与Adam原理与学习率递减.mp4 [16.2M]
┃ ┃ ┣━━06_标准化输入带来的优化.mp4 [19.4M]
┃ ┃ ┣━━07_作业介绍.mp4 [10.4M]
┃ ┃ ┣━━08_作业讲解1.mp4 [74M]
┃ ┃ ┗━━09_作业讲解2.mp4 [5.8M]
┃ ┣━━3.深度学习正则化 [178.8M]
┃ ┃ ┣━━01_深度学习偏差与方差介绍为、什么需要正则化.mp4 [30.9M]
┃ ┃ ┣━━02_正则化概念、L2正则化与L1正则化.mp4 [28.9M]
┃ ┃ ┣━━03_Droupout过程与原理理解.mp4 [38.3M]
┃ ┃ ┣━━04_其它正则化方法-早停止法与数据增强.mp4 [39.9M]
┃ ┃ ┣━━05_正则化作业介绍.mp4 [9M]
┃ ┃ ┣━━06_作业讲解1.mp4 [24.3M]
┃ ┃ ┗━━07_作业讲解2.mp4 [7.4M]
┃ ┗━━4.神经网络调参与BN [78.1M]
┃ ┣━━01_神经网络调参数技巧与如何设置参数、如何运行.mp4 [20.2M]
┃ ┗━━02_批标准化定义、公式、为什么有效.mp4 [57.8M]
┣━━1-3 卷积神经网络 [418.6M]
┃ ┣━━1.卷积网络原理 [181.6M]
┃ ┃ ┣━━01_卷积来源、数据量与感受野的边缘检测.mp4 [51.5M]
┃ ┃ ┣━━02_卷积网络结构介绍.mp4 [13.5M]
┃ ┃ ┣━━03_默认卷积的运算过程.mp4 [11.5M]
┃ ┃ ┣━━04_零填充.mp4 [17.4M]
┃ ┃ ┣━━05_过滤器大小与步长.mp4 [22.5M]
┃ ┃ ┣━━06_多通道的卷积与多卷积核.mp4 [12.7M]
┃ ┃ ┣━━07_卷积总结.mp4 [26.7M]
┃ ┃ ┣━━08_池化层.mp4 [15.5M]
┃ ┃ ┗━━09_全连接层.mp4 [10.4M]
┃ ┣━━2.经典分类结构 [140.3M]
┃ ┃ ┣━━01_LeNet5的计算过程详解.mp4 [34.4M]
┃ ┃ ┣━━02_常见网络结构介绍.mp4 [26.3M]
┃ ┃ ┣━━03_Inception(1×1卷积介绍）.mp4 [32.2M]
┃ ┃ ┣━━04_Inception结构以及改进.mp4 [24.7M]
┃ ┃ ┗━━05_GoogleNet了解与卷积网络学习内容.mp4 [22.8M]
┃ ┗━━3.CNN实战 [96.6M]
┃ ┣━━01_作业介绍.mp4 [9.2M]
┃ ┣━━02_作业讲解.mp4 [57M]
┃ ┗━━03_迁移学习.mp4 [30.5M]
┣━━1-4 循环神经网络 [725.9M]
┃ ┣━━1.循环神经网络 [308.4M]
┃ ┃ ┣━━01_循环神经网络背景介绍.mp4 [12.9M]
┃ ┃ ┣━━02_循环神经网络结构原理.mp4 [26.7M]
┃ ┃ ┣━━03_词的表示与矩阵形状运算.mp4 [33M]
┃ ┃ ┣━━04_交叉熵损失计算.mp4 [5.8M]
┃ ┃ ┣━━05_时间反向传播算法.mp4 [37.8M]
┃ ┃ ┣━━06_梯度消失、案例介绍.mp4 [18M]
┃ ┃ ┣━━07_手写RNN案例：单个cell前向传播.mp4 [23.8M]
┃ ┃ ┣━━08_手写RNN案例：所有cell的前向传播.mp4 [34.4M]
┃ ┃ ┣━━09_手写RNN案例：单个cell的反向传播.mp4 [34.8M]
┃ ┃ ┣━━10_手写RNN案例：所有cell的反向传播.mp4 [49M]
┃ ┃ ┣━━11_案例总结.mp4 [5.9M]
┃ ┃ ┗━━12_GRU与LSTM介绍.mp4 [26.3M]
┃ ┣━━2.词嵌入 [51.9M]
┃ ┃ ┣━━01_词嵌入介绍.mp4 [20.8M]
┃ ┃ ┗━━02_词嵌入案例.mp4 [31.1M]
┃ ┗━━3.seq2seq与Attention机制 [365.6M]
┃ ┣━━01_seq2seq介绍与理解.mp4 [24.5M]
┃ ┣━━02_seq2seq机器翻译等场景介绍分析.mp4 [6.2M]
┃ ┣━━03_Attention原理分析.mp4 [45.1M]
┃ ┣━━04_机器翻译案例：日期格式翻译转换、代码结构介绍.mp4 [17.8M]
┃ ┣━━05_机器翻译案例：模型参数定义.mp4 [16.6M]
┃ ┣━━06_机器翻译案例：数据获取以及数据格式转换介绍.mp4 [19.3M]
┃ ┣━━07_机器翻译案例：训练逻辑与网络结构介绍.mp4 [23.5M]
┃ ┣━━08_机器翻译案例：网络输入输出逻辑介绍.mp4 [14.7M]
┃ ┣━━09_机器翻译案例：网络输入输出逻辑编写.mp4 [39.7M]
┃ ┣━━10_机器翻译案例：自定义网络seq2seq的编解码器定义.mp4 [31.2M]
┃ ┣━━11_机器翻译案例：seq2seq的输出层定义.mp4 [9.5M]
┃ ┣━━12_机器翻译案例：attention结构定义.mp4 [37.7M]
┃ ┣━━13_机器翻译案例：model中计算attention输出c逻辑函数实现.mp4 [25.8M]
┃ ┣━━14_机器翻译案例：训练逻辑编写.mp4 [18M]
┃ ┣━━15_机器翻译案例：训练结果与问题解决.mp4 [8.5M]
┃ ┣━━16_机器翻译案例：测试逻辑结果演示.mp4 [11.2M]
┃ ┗━━17_集束搜索介绍.mp4 [16.1M]
┣━━1-5 高级主题 [367.3M]
┃ ┗━━1-5 高级主题 [367.3M]
┃ ┣━━1.生产对抗网络 [181.2M]
┃ ┃ ┣━━01_高级主题介绍、GAN介绍.mp4 [32.7M]
┃ ┃ ┣━━02_GAN原理、损失和DCGAN结构.mp4 [21.5M]
┃ ┃ ┣━━03_生成数字图片案例：结果演示流程介绍.mp4 [20.8M]
┃ ┃ ┣━━04_生成数字图片案例：模型初始化代码编写.mp4 [48.4M]
┃ ┃ ┣━━05_生成数字图片案例：训练流程.mp4 [43.6M]
┃ ┃ ┗━━06_生成数字图片案例：运行保存图片并对比.mp4 [14.1M]
┃ ┣━━2.自动编码器 [125.6M]
┃ ┃ ┣━━01_自动编码器介绍.mp4 [11.3M]
┃ ┃ ┣━━02_案例：编码器类别、普通自编码器流程、模型初始化逻辑.mp4 [31.4M]
┃ ┃ ┣━━03_案例：训练普通自编码器.mp4 [29.1M]
┃ ┃ ┣━━04_案例：深度自编码器编写演示.mp4 [7.9M]
┃ ┃ ┣━━05_案例：卷积自编码器编写演示.mp4 [18.4M]
┃ ┃ ┣━━06_案例：降噪编码器介绍.mp4 [9.9M]
┃ ┃ ┗━━07_案例：降噪编码器案例.mp4 [17.7M]
┃ ┗━━3.CapsuleNet [60.6M]
┃ ┣━━01_CapsuleNet了解.mp4 [33.3M]
┃ ┗━━02_深度学习课程总结.mp4 [27.3M]
┣━━1-6 百度人脸识别 [1.8G]
┃ ┣━━1.平台介绍 [152.7M]
┃ ┃ ┣━━0_课程组成和目标.mp4 [3.7M]
┃ ┃ ┣━━1_1_访问入口.mp4 [13.4M]
┃ ┃ ┣━━1_2_机器学习平台_介绍.mp4 [20.4M]
┃ ┃ ┣━━1_3_百度深度学习平台_介绍.mp4 [24.3M]
┃ ┃ ┣━━1_4_百度深度学习平台_创建集群.mp4 [15.4M]
┃ ┃ ┣━━1_5_百度人工智能平台_功能介绍.mp4 [21.1M]
┃ ┃ ┣━━1_6_人工智能平台_服务开通.mp4 [15.7M]
┃ ┃ ┗━━1_7_人工智能平台_访问方式和SDK安装.mp4 [38.7M]
┃ ┣━━2.图像技术之人脸识别 [259.8M]
┃ ┃ ┣━━2_1_1_人脸识别功能介绍_开通应用.mp4 [21.5M]
┃ ┃ ┣━━2_1_2人脸识别_API.mp4 [36.9M]
┃ ┃ ┣━━2_1_3_人脸检测_步骤和代码浏览.mp4 [25.8M]
┃ ┃ ┣━━2_1_4_人脸检测_获取access_token.mp4 [23.7M]
┃ ┃ ┣━━2_1_5_人脸检测_调用API.mp4 [48.9M]
┃ ┃ ┣━━2_1_6_人脸检测_图像坐标.mp4 [19.8M]
┃ ┃ ┣━━2_1_7_人脸检测_边框.mp4 [28.4M]
┃ ┃ ┣━━2_1_8_人脸检测_性别年龄总结.mp4 [27.2M]
┃ ┃ ┗━━2_1_9_人脸检测_SDK方式.mp4 [27.7M]
┃ ┣━━3.图像技术之图像识别 [297M]
┃ ┃ ┣━━2_2_10_定制化图像识别_物体检测_流程.mp4 [21.9M]
┃ ┃ ┣━━2_2_11_定制化图像识别_物体检测API_错误码.mp4 [9M]
┃ ┃ ┣━━2_2_1_图像识别功能_应用创建.mp4 [23.7M]
┃ ┃ ┣━━2_2_2_图像识别_物体检测API_实例.mp4 [32.4M]
┃ ┃ ┣━━2_2_3_图像检测识别_菜品识别.mp4 [24.7M]
┃ ┃ ┣━━2_2_4_图像检测_车辆检测.mp4 [30.1M]
┃ ┃ ┣━━2_2_5_定制化图像识别_特点和功能.mp4 [17.2M]
┃ ┃ ┣━━2_2_5_定制化图像识别_图像分类_步骤.mp4 [40.9M]
┃ ┃ ┣━━2_2_6_定制化图像识别_图像分类_操作.mp4 [27M]
┃ ┃ ┣━━2_2_7_定制化图像识别_图像分类_关联和调用流程.mp4 [13.2M]
┃ ┃ ┣━━2_2_8_定制化图像识别_图像分类_代码实现.mp4 [44.8M]
┃ ┃ ┗━━2_2_9_定制化图像识别_图像分类_迭代和常见问题.mp4 [12.2M]
┃ ┣━━4.图像技术之文字识别 [209.8M]
┃ ┃ ┣━━2_3_10_分类器代码.mp4 [21.3M]
┃ ┃ ┣━━2_3_1_功能介绍_创建应用.mp4 [21.6M]
┃ ┃ ┣━━2_3_2_通用文字识别_代码.mp4 [33.9M]
┃ ┃ ┣━━2_3_3_通用文字识别_其他版本函数.mp4 [7.1M]
┃ ┃ ┣━━2_3_4_车牌识别.mp4 [15.5M]
┃ ┃ ┣━━2_3_5_通用票据识别.mp4 [33.2M]
┃ ┃ ┣━━2_3_6_自定义模板_步骤.mp4 [24.8M]
┃ ┃ ┣━━2_3_7_自定义模板_实际创建.mp4 [18.3M]
┃ ┃ ┣━━2_3_8_自定义模板_API和代码.mp4 [17.4M]
┃ ┃ ┗━━2_3_9_创建分类器.mp4 [16.6M]
┃ ┣━━5.语音技术 [61.1M]
┃ ┃ ┣━━3_1_1_语音识别_介绍和API.mp4 [18.1M]
┃ ┃ ┣━━3_1_2_语音识别案例_代码浏览.mp4 [11.5M]
┃ ┃ ┣━━3_1_3_语音识别案例_案例.mp4 [17M]
┃ ┃ ┗━━3_2_1语音合成.mp4 [14.5M]
┃ ┣━━6.自然语言处理 [27.3M]
┃ ┃ ┗━━4_1_1_自然语言处理基础技术.mp4 [27.3M]
┃ ┗━━7.人脸识别打卡案例 [835M]
┃ ┣━━5_1_0_人脸打卡案例_介绍.mp4 [5.4M]
┃ ┣━━5_1_1_案例_前端部分介绍.mp4 [15.2M]
┃ ┣━━5_1_2_案例_人脸搜索代码浏览.mp4 [151.7M]
┃ ┣━━5_1_3_案例_获取token.mp4 [26.9M]
┃ ┣━━5_1_4_案例_添加用户_人脸搜索.mp4 [267.8M]
┃ ┣━━5_1_5_案例_主程序1.mp4 [126.3M]
┃ ┗━━5_1_6_案例_主程序2.mp4 [241.6M]
┣━━1-7 自然语言处理 [3G]
┃ ┣━━1.自然语言处理基础概念 [389.7M]
┃ ┃ ┣━━0.NLP介紹.mp4 [108.3M]
┃ ┃ ┣━━1.NLP的种类.mp4 [37.8M]
┃ ┃ ┣━━2.端对端深度学习模型.mp4 [84M]
┃ ┃ ┣━━3.词袋.mp4 [38.1M]
┃ ┃ ┣━━4.Seq2Seq.mp4 [40.6M]
┃ ┃ ┣━━5.Beam Serch Decoding.mp4 [46.4M]
┃ ┃ ┗━━6.Attention.mp4 [34.5M]
┃ ┣━━2.自然语言处理基础实作-机器学习篇 [252.2M]
┃ ┃ ┣━━1.机器学习-NLTK_数据读取.mp4 [30.6M]
┃ ┃ ┣━━2.机器学习-NLTK_清理数据.mp4 [7.6M]
┃ ┃ ┣━━3.机器学习-NLTK_大小写转换.mp4 [7.6M]
┃ ┃ ┣━━4.机器学习-NLTK_去除虚词.mp4 [13M]
┃ ┃ ┣━━5.机器学习-NLTK_词根化.mp4 [33.7M]
┃ ┃ ┣━━6.机器学习-NLTK_还原字符串.mp4 [55.4M]
┃ ┃ ┣━━7.机器学习-NLTK_稀疏矩阵.mp4 [15.5M]
┃ ┃ ┣━━8.机器学习-NLTK_最大过滤.mp4 [10.9M]
┃ ┃ ┗━━9.机器学习-NLTK_建立词袋模型.mp4 [77.9M]
┃ ┣━━3.自然语言处理基础实作-深度学习篇 [262.8M]
┃ ┃ ┣━━10.深度学习-Deep Learning in NLP.mp4 [153.9M]
┃ ┃ ┣━━11.深度学习-Deep Learning in NLP_模型优化.mp4 [43.5M]
┃ ┃ ┗━━12.深度学习-Deep Learning in NLP_模型加速.mp4 [65.3M]
┃ ┣━━4.自然语言处理核心部分 [912M]
┃ ┃ ┣━━1.CNN REIVEW.mp4 [46.7M]
┃ ┃ ┣━━2.CNN CODE.mp4 [140.6M]
┃ ┃ ┣━━3.RNN REVIEW.mp4 [38.3M]
┃ ┃ ┣━━4.RNN CODE.mp4 [143.1M]
┃ ┃ ┣━━5.LSTM.mp4 [53.2M]
┃ ┃ ┣━━6.LSTM_CODE.mp4 [77.7M]
┃ ┃ ┣━━7.文本分类.mp4 [61.6M]
┃ ┃ ┣━━8.文本分类的方式.mp4 [31M]
┃ ┃ ┣━━9.文本分类CNN&RNN.mp4 [65.8M]
┃ ┃ ┣━━10. 文本分类 CNN 模型使用.mp4 [130.2M]
┃ ┃ ┗━━11. 文本分类 RNN 搭建.mp4 [123.6M]
┃ ┗━━5.实战项目-从无到有打造聊天机器人 [1.2G]
┃ ┣━━0.chatbot.mp4 [17.6M]
┃ ┣━━01.chatbot 搭建计画.mp4 [42M]
┃ ┣━━02.chatbot 环境搭建下载数据集.mp4 [34.1M]
┃ ┣━━03.chatbot 下载数据集.mp4 [74.9M]
┃ ┣━━04.chatbot 导入依赖包.mp4 [12.9M]
┃ ┣━━05.ChatBot 读取数据.mp4 [26.6M]
┃ ┣━━06.chatbot 创建对話字典.mp4 [29.3M]
┃ ┣━━07. ChatBot 建立对话列表.mp4 [23.6M]
┃ ┣━━08. ChatBot 问答集.mp4 [30.6M]
┃ ┣━━09.ChatBot 数据初步清洗.mp4 [23.7M]
┃ ┣━━10. ChatBot 清理问题集&回答集.mp4 [21.3M]
┃ ┣━━11. ChatBot 统计字频.mp4 [11.2M]
┃ ┣━━12. ChatBot 标记化&去除少数字.mp4 [19M]
┃ ┣━━13. ChatBot 最终标记.mp4 [6.6M]
┃ ┣━━14. ChatBot 逆向字典.mp4 [21M]
┃ ┣━━15. ChatBot 添加 EOS 标签.mp4 [22.6M]
┃ ┣━━16. ChatBot 问答数列化.mp4 [41.1M]
┃ ┣━━17. ChatBot 长短句.mp4 [35.4M]
┃ ┣━━18. ChatBot input&output.mp4 [30.1M]
┃ ┣━━19. ChatBot 处理输出.mp4 [41M]
┃ ┣━━20. ChatBot 建立RNN 模型.mp4 [24.7M]
┃ ┣━━21. ChatBot 解码器训练.mp4 [56.3M]
┃ ┣━━22. ChatBot 解码器测试.mp4 [43.2M]
┃ ┣━━23. ChatBot 创建解码RNN.mp4 [48.8M]
┃ ┣━━24. ChatBot Seq2Seq 模型.mp4 [62.5M]
┃ ┣━━25. ChatBot 設置超参数.mp4 [31.1M]
┃ ┣━━26.ChatBot 启动运算.mp4 [21M]
┃ ┣━━27. ChatBot 模型 input.mp4 [30.5M]
┃ ┣━━28. ChatBot 模型輸入序列長度.mp4 [36.3M]
┃ ┣━━29. ChatBot 設置輸入的数据形状.mp4 [28.3M]
┃ ┣━━30. ChatBot训练 & 测试結果.mp4 [30.6M]
┃ ┣━━31. ChatBot 损失，优化，梯度消減.mp4 [25.1M]
┃ ┣━━32. ChatBot 问答等长处理.mp4 [29.7M]
┃ ┣━━33. ChatBot 问答数据批量.mp4 [22.7M]
┃ ┣━━34. ChatBot 数据分割.mp4 [15.2M]
┃ ┣━━35. ChatBot 训练.mp4 [52M]
┃ ┣━━36. ChatBot 训练2.mp4 [42.5M]
┃ ┣━━37. ChatBot 测试.mp4 [13.1M]
┃ ┣━━38. ChatBot 输入修飾.mp4 [7.7M]
┃ ┗━━39. ChatBot 开始聊天.mp4 [43.7M]
┣━━1-8 图片商品物体检测项目第一阶段-检测算法原理 [501.9M]
┃ ┣━━1.目标检测概述 [86.6M]
┃ ┃ ┣━━01_课程要求以及目标.mp4 [3.1M]
┃ ┃ ┣━━02_项目演示结果.mp4 [7.1M]
┃ ┃ ┣━━03_项目结构以及课程安排.mp4 [6.7M]
┃ ┃ ┣━━04_图像识别背景.mp4 [9.4M]
┃ ┃ ┣━━05_目标检测的定义和技术历史.mp4 [13.3M]
┃ ┃ ┣━━06_目标检测应用场景.mp4 [13.6M]
┃ ┃ ┣━━07_目标检测算法原理铺垫.mp4 [3.9M]
┃ ┃ ┗━━08_目标检测任务描述.mp4 [29.4M]
┃ ┣━━2.RCNN原理 [121.8M]
┃ ┃ ┣━━01_Overfeat模型.mp4 [21.3M]
┃ ┃ ┣━━02_RCNN：步骤流程介绍.mp4 [9M]
┃ ┃ ┣━━03_RCNN：候选区域以及特征提取.mp4 [14.3M]
┃ ┃ ┣━━04_RCNN：SVM分类器.mp4 [13.9M]
┃ ┃ ┣━━05_RCNN：非极大抑制（NMS）.mp4 [14.2M]
┃ ┃ ┣━━06_RCNN：候选区域修正.mp4 [8.4M]
┃ ┃ ┣━━07_RCNN：训练过程与测试过程介绍.mp4 [24.8M]
┃ ┃ ┗━━08_RCNN：总结、优缺点与问题自测.mp4 [15.9M]
┃ ┣━━3.SPPNet原理 [44.5M]
┃ ┃ ┣━━01_SPPNet：与RCNN的区别、网络流程.mp4 [10.4M]
┃ ┃ ┣━━02_SPPNet：映射.mp4 [9.4M]
┃ ┃ ┣━━03_SPPNet：SPP层的作用.mp4 [17.3M]
┃ ┃ ┗━━04_SPPNet：总结、优缺点与问题自测.mp4 [7.4M]
┃ ┣━━4.FastRCNN原理 [41.6M]
┃ ┃ ┣━━01_FastRCNN：改进之处以及网络流程.mp4 [7.1M]
┃ ┃ ┣━━02_FastRCNN：RoI pooling结构以及SPP对比.mp4 [15.2M]
┃ ┃ ┣━━03_FastRCNN：多任务损失.mp4 [15.8M]
┃ ┃ ┗━━04_FastRCNN：总结与问题自测.mp4 [3.6M]
┃ ┣━━5.FasterRCNN原理 [44.2M]
┃ ┃ ┣━━01_FasterRCNN：网络结构与步骤.mp4 [15.5M]
┃ ┃ ┣━━02_FasterRCNN：RPN网络的原理.mp4 [23.5M]
┃ ┃ ┗━━03_FasterRCNN：总结与问题自测.mp4 [5.3M]
┃ ┣━━6.YOLO原理 [45M]
┃ ┃ ┣━━01_YOLO：算法特点与流程介绍.mp4 [5.8M]
┃ ┃ ┣━━02_YOLO：单元格原理过程.mp4 [31.2M]
┃ ┃ ┣━━03_YOLO：训练过程样本标记.mp4 [4.6M]
┃ ┃ ┗━━04_YOLO：总结.mp4 [3.3M]
┃ ┗━━7.SSD原理 [118.1M]
┃ ┣━━01_SSD：网络结构与Detected结构.mp4 [25.3M]
┃ ┣━━02_SSD：localization与confidence.mp4 [17.6M]
┃ ┣━━03_SSD：训练与测试流程总结.mp4 [9.1M]
┃ ┣━━04_TensorflowSSD接口介绍.mp4 [23.9M]
┃ ┗━━05_第一阶段算法总结.mp4 [42.2M]
┣━━1-9 图片商品物体检测项目第二阶段-数据集制作与处理 [352.5M]
┃ ┗━━1-9 图片商品物体检测项目第二阶段-数据集制作与处理 [352.5M]
┃ ┣━━1.数据集标记 [44.9M]
┃ ┃ ┣━━01_目标检测数据集介绍.mp4 [18.2M]
┃ ┃ ┗━━02_商品数据集标记.mp4 [26.7M]
┃ ┣━━2.数据集格式转换 [224.6M]
┃ ┃ ┣━━01_数据集格式转换介绍.mp4 [10.2M]
┃ ┃ ┣━━02_格式转换：代码介绍.mp4 [27.9M]
┃ ┃ ┣━━03_格式转换：文件读取以及存储逻辑.mp4 [35.6M]
┃ ┃ ┣━━04_格式转换：图片数据以及XML读取.mp4 [79.1M]
┃ ┃ ┗━━05_格式转换：example封装、总结.mp4 [71.8M]
┃ ┗━━3.TFRecords读取 [83M]
┃ ┣━━01_slim库介绍.mp4 [26.6M]
┃ ┣━━02_TFRecord读取：Dataset准备.mp4 [30.6M]
┃ ┣━━03_TFRecord读取：provider读取.mp4 [15.4M]
┃ ┗━━04_第二阶段总结.mp4 [10.4M]
┣━━1-10 图片商品物体检测项目第三阶段-项目实现与部署 [1.1G]
┃ ┣━━1.项目架构 [40.2M]
┃ ┃ ┣━━1.项目架构 [0B]
┃ ┃ ┣━━01_项目架构设计.mp4 [21.1M]
┃ ┃ ┗━━02_训练与测试整体结构设计.mp4 [15.2M]
┃ ┣━━2.数据接口实现 [161M]
┃ ┃ ┣━━01_数据接口：商品格式转换实现.mp4 [18.9M]
┃ ┃ ┣━━02_数据接口：读取数据接口设计以及基类如何定义.mp4 [26.3M]
┃ ┃ ┣━━03_数据接口：商品数据读取子类实现.mp4 [70.1M]
┃ ┃ ┣━━04_数据接口：数据读取工厂逻辑实现.mp4 [26.2M]
┃ ┃ ┗━━05_数据接口：代码运行与数据模块总结.mp4 [19.5M]
┃ ┣━━3.模型接口实现 [18.6M]
┃ ┃ ┗━━01_模型接口：接口设置以及模型工厂代码.mp4 [18.6M]
┃ ┣━━4.预处理接口实现 [98.6M]
┃ ┃ ┣━━4.预处理接口实现 [0B]
┃ ┃ ┣━━01_预处理接口：预处理需求介绍、数据增强介绍.mp4 [48.9M]
┃ ┃ ┣━━02_预处理接口：预处理工厂代码.mp4 [31.7M]
┃ ┃ ┣━━03_预处理接口：预处理工厂代码参数错误调整.mp4 [2.8M]
┃ ┃ ┗━━04_数据接口、模型接口、预处理接口参数总结.mp4 [15.2M]
┃ ┣━━5.训练过程实现 [418.9M]
┃ ┃ ┣━━01_训练：训练步骤与设备部署介绍.mp4 [23.1M]
┃ ┃ ┣━━02_训练：model_deploy介绍.mp4 [30.7M]
┃ ┃ ┣━━03_训练：训练运行结果显示与初始配置确定.mp4 [37.1M]
┃ ┃ ┣━━04_训练：1设备配置代码以及全局步数定义.mp4 [33.5M]
┃ ┃ ┣━━05_训练：2图片数据读取与处理逻辑介绍.mp4 [17.7M]
┃ ┃ ┣━━06_训练：2数据模块与网络模型获取结果.mp4 [38.7M]
┃ ┃ ┣━━07_训练：2网络参数修改、provider获取数据、预处理.mp4 [47.2M]
┃ ┃ ┣━━08_训练：2NHWC和NCHW介绍.mp4 [7.2M]
┃ ┃ ┣━━09_训练：2对anchors进行正负样本标记.mp4 [15.8M]
┃ ┃ ┣━━10_训练：2批处理获取以及数据形状变换.mp4 [28.8M]
┃ ┃ ┣━━11_训练：2队列设置.mp4 [15.8M]
┃ ┃ ┣━━12_训练：3复制模型、添加参数观察与4添加学习率和优化器.mp4 [60.6M]
┃ ┃ ┣━━13_训练：5总损失计算与变量平均梯度计算6训练配置.mp4 [32.8M]
┃ ┃ ┗━━14_训练：训练流程总结.mp4 [29.9M]
┃ ┣━━6.测试过程实现 [113M]
┃ ┃ ┣━━01_测试：测试流程介绍、代码.mp4 [63M]
┃ ┃ ┗━━02_测试：图片输入、结果标记代码.mp4 [50M]
┃ ┣━━7.模型部署介绍 [33.7M]
┃ ┃ ┣━━01_web服务与模型部署流程关系介绍.mp4 [9.5M]
┃ ┃ ┗━━02_本地TensorFlow Serving演示以及逻辑介绍.mp4 [24.2M]
┃ ┣━━8.导出模型 [78.9M]
┃ ┃ ┣━━8.导出模型 [0B]
┃ ┃ ┣━━01_模型导出：模型输入输出定义.mp4 [20.7M]
┃ ┃ ┗━━02_模型导出：Savedmodel导出模型.mp4 [54.4M]
┃ ┣━━9.打开模型服务 [13.6M]
┃ ┃ ┗━━01_开启模型服务.mp4 [13.6M]
┃ ┣━━10.TFServing客户端 [114.8M]
┃ ┃ ┣━━01_Tensorflow serving client逻辑.mp4 [21M]
┃ ┃ ┣━━02_Client：用户输入图片处理.mp4 [23.6M]
┃ ┃ ┣━━03_Client：grpc与serving apis介绍.mp4 [16.4M]
┃ ┃ ┣━━04_Client：客户端建立连接获取结果代码.mp4 [18.1M]
┃ ┃ ┣━━05_Client：结果解析.mp4 [19.1M]
┃ ┃ ┗━━06_Client：结果标记返回.mp4 [16.6M]
┃ ┗━━11.服务器部署 [44.8M]
┃ ┣━━11.服务器部署 [0B]
┃ ┣━━01_服务器部署：服务器部署的代码文件需求、服务开启.mp4 [14.7M]
┃ ┗━━02_项目总结.mp4 [26.4M]
┗━━地址.txt [69B]