【黑马】Python+AI 人脸识别Python人工智能-完结
深度学习人脸识别实战课程
编辑点评
系统讲解人脸识别项目实战，涵盖数据预处理、模型训练、部署与测试，适合AI初学者和进阶者。
⭐ 编辑推荐
本课程深入浅出地解析Python人脸识别技术，从项目架构到模型部署，助你掌握AI应用开发。
✨ 课程亮点
✦人脸识别项目实战
✦深度学习算法应用
✦模型训练与部署
课程目录
📁 1-10 图片商品物体检测项目第三阶段-项目实现与部署
📁 📁 5.训练过程实现
📁 📁 5.训练过程实现
03_训练：训练运行结果显示与初始配置确定.mp4 [37.1 MB]
04_训练：1设备配置代码以及全局步数定义.mp4 [33.5 MB]
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 [60.6 MB]
02_训练：model_deploy介绍.mp4 [30.7 MB]
01_训练：训练步骤与设备部署介绍.mp4 [23.2 MB]
06_训练：2数据模块与网络模型获取结果.mp4 [38.7 MB]
05_训练：2图片数据读取与处理逻辑介绍.mp4 [17.7 MB]
09_训练：2对anchors进行正负样本标记.mp4 [15.9 MB]
11_训练：2队列设置.mp4 [15.9 MB]
10_训练：2批处理获取以及数据形状变换.mp4 [28.9 MB]
07_训练：2网络参数修改、provider获取数据、预处理.mp4 [47.2 MB]
14_训练：训练流程总结.mp4 [29.9 MB]
13_训练：5总损失计算与变量平均梯度计算6训练配置.mp4 [32.8 MB]
08_训练：2NHWC和NCHW介绍.mp4 [7.2 MB]
📁 📁 1.项目架构
📁 📁 1.项目架构
01_项目架构设计.mp4 [21.2 MB]
02_训练与测试整体结构设计.mp4 [15.3 MB]
📁 📁 4.预处理接口实现
📁 📁 4.预处理接口实现
02_预处理接口：预处理工厂代码.mp4 [31.7 MB]
04_数据接口、模型接口、预处理接口参数总结.mp4 [15.3 MB]
01_预处理接口：预处理需求介绍、数据增强介绍.mp4 [48.9 MB]
03_预处理接口：预处理工厂代码参数错误调整.mp4 [2.8 MB]
📁 📁 10.TFServing客户端
📁 📁 10.TFServing客户端
01_Tensorflow serving client逻辑.mp4 [21.0 MB]
05_Client：结果解析.mp4 [19.2 MB]
03_Client：grpc与serving apis介绍.mp4 [16.4 MB]
04_Client：客户端建立连接获取结果代码.mp4 [18.1 MB]
06_Client：结果标记返回.mp4 [16.7 MB]
02_Client：用户输入图片处理.mp4 [23.6 MB]
📁 📁 2.数据接口实现
📁 📁 2.数据接口实现
04_数据接口：数据读取工厂逻辑实现.mp4 [26.3 MB]
01_数据接口：商品格式转换实现.mp4 [18.9 MB]
05_数据接口：代码运行与数据模块总结.mp4 [19.5 MB]
03_数据接口：商品数据读取子类实现.mp4 [70.1 MB]
02_数据接口：读取数据接口设计以及基类如何定义.mp4 [26.3 MB]
📁 📁 8.导出模型
📁 📁 8.导出模型
01_模型导出：模型输入输出定义.mp4 [20.7 MB]
02_模型导出：Savedmodel导出模型.mp4 [54.4 MB]
📁 📁 3.模型接口实现
📁 📁 3.模型接口实现
01_模型接口：接口设置以及模型工厂代码.mp4 [18.6 MB]
📁 📁 7.模型部署介绍
📁 📁 7.模型部署介绍
01_web服务与模型部署流程关系介绍.mp4 [9.6 MB]
02_本地TensorFlow Serving演示以及逻辑介绍.mp4 [24.2 MB]
📁 📁 9.打开模型服务
📁 📁 9.打开模型服务
01_开启模型服务.mp4 [13.6 MB]
📁 📁 6.测试过程实现
📁 📁 6.测试过程实现
01_测试：测试流程介绍、代码.mp4 [63.1 MB]
02_测试：图片输入、结果标记代码.mp4 [50.0 MB]
📁 📁 11.服务器部署
📁 📁 11.服务器部署
02_项目总结.mp4 [26.4 MB]
01_服务器部署：服务器部署的代码文件需求、服务开启.mp4 [14.7 MB]
📁 1-6 百度人脸识别
📁 📁 1.平台介绍
📁 📁 1.平台介绍
1_3_百度深度学习平台_介绍.mp4 [24.4 MB]
1_1_访问入口.mp4 [13.4 MB]
1_4_百度深度学习平台_创建集群.mp4 [15.5 MB]
0_课程组成和目标.mp4 [3.8 MB]
1_5_百度人工智能平台_功能介绍.mp4 [21.1 MB]
1_2_机器学习平台_介绍.mp4 [20.5 MB]
1_6_人工智能平台_服务开通.mp4 [15.8 MB]
1_7_人工智能平台_访问方式和SDK安装.mp4 [38.7 MB]
📁 📁 3.图像技术之图像识别
📁 📁 3.图像技术之图像识别
2_2_2_图像识别_物体检测API_实例.mp4 [32.4 MB]
2_2_5_定制化图像识别_特点和功能.mp4 [17.2 MB]
2_2_10_定制化图像识别_物体检测_流程.mp4 [21.9 MB]
2_2_9_定制化图像识别_图像分类_迭代和常见问题.mp4 [12.2 MB]
2_2_6_定制化图像识别_图像分类_操作.mp4 [27.0 MB]
2_2_3_图像检测识别_菜品识别.mp4 [24.7 MB]
2_2_5_定制化图像识别_图像分类_步骤.mp4 [40.9 MB]
2_2_1_图像识别功能_应用创建.mp4 [23.7 MB]
2_2_4_图像检测_车辆检测.mp4 [30.2 MB]
2_2_7_定制化图像识别_图像分类_关联和调用流程.mp4 [13.2 MB]
2_2_11_定制化图像识别_物体检测API_错误码.mp4 [9.0 MB]
2_2_8_定制化图像识别_图像分类_代码实现.mp4 [44.9 MB]
📁 📁 7.人脸识别打卡案例
📁 📁 7.人脸识别打卡案例
5_1_2_案例_人脸搜索代码浏览.mp4 [151.7 MB]
5_1_6_案例_主程序2.mp4 [241.6 MB]
5_1_5_案例_主程序1.mp4 [126.4 MB]
5_1_1_案例_前端部分介绍.mp4 [15.3 MB]
5_1_4_案例_添加用户_人脸搜索.mp4 [267.8 MB]
5_1_3_案例_获取token.mp4 [26.9 MB]
5_1_0_人脸打卡案例_介绍.mp4 [5.4 MB]
📁 📁 2.图像技术之人脸识别
📁 📁 2.图像技术之人脸识别
2_1_2人脸识别_API.mp4 [36.9 MB]
2_1_9_人脸检测_SDK方式.mp4 [27.7 MB]
2_1_8_人脸检测_性别年龄总结.mp4 [27.2 MB]
2_1_1_人脸识别功能介绍_开通应用.mp4 [21.5 MB]
2_1_4_人脸检测_获取access_token.mp4 [23.7 MB]
2_1_3_人脸检测_步骤和代码浏览.mp4 [25.8 MB]
2_1_7_人脸检测_边框.mp4 [28.4 MB]
2_1_5_人脸检测_调用API.mp4 [48.9 MB]
2_1_6_人脸检测_图像坐标.mp4 [19.8 MB]
📁 📁 5.语音技术
📁 📁 5.语音技术
3_1_1_语音识别_介绍和API.mp4 [18.2 MB]
3_2_1语音合成.mp4 [14.5 MB]
3_1_3_语音识别案例_案例.mp4 [17.0 MB]
3_1_2_语音识别案例_代码浏览.mp4 [11.6 MB]
📁 📁 4.图像技术之文字识别
📁 📁 4.图像技术之文字识别
2_3_7_自定义模板_实际创建.mp4 [18.3 MB]
2_3_2_通用文字识别_代码.mp4 [34.0 MB]
2_3_5_通用票据识别.mp4 [33.2 MB]
2_3_1_功能介绍_创建应用.mp4 [21.6 MB]
2_3_10_分类器代码.mp4 [21.3 MB]
2_3_3_通用文字识别_其他版本函数.mp4 [7.2 MB]
2_3_9_创建分类器.mp4 [16.7 MB]
2_3_6_自定义模板_步骤.mp4 [24.9 MB]
2_3_8_自定义模板_API和代码.mp4 [17.4 MB]
2_3_4_车牌识别.mp4 [15.6 MB]
📁 📁 6.自然语言处理
📁 📁 6.自然语言处理
4_1_1_自然语言处理基础技术.mp4 [27.3 MB]
📁 1-9 图片商品物体检测项目第二阶段-数据集制作与处理
📁 📁 1.数据集标记
📁 📁 1.数据集标记
02_商品数据集标记.mp4 [26.7 MB]
01_目标检测数据集介绍.mp4 [18.2 MB]
📁 📁 2.数据集格式转换
📁 📁 2.数据集格式转换
03_格式转换：文件读取以及存储逻辑.mp4 [35.6 MB]
04_格式转换：图片数据以及XML读取.mp4 [79.1 MB]
02_格式转换：代码介绍.mp4 [27.9 MB]
01_数据集格式转换介绍.mp4 [10.3 MB]
05_格式转换：example封装、总结.mp4 [71.8 MB]
📁 📁 3.TFRecords读取
📁 📁 3.TFRecords读取
02_TFRecord读取：Dataset准备.mp4 [30.6 MB]
03_TFRecord读取：provider读取.mp4 [15.4 MB]
01_slim库介绍.mp4 [26.6 MB]
04_第二阶段总结.mp4 [10.4 MB]
📁 1-1 深度学习基础
📁 📁 3.浅层神经网络
📁 📁 3.浅层神经网络
02_浅层神经网络的前向传播.mp4 [12.9 MB]
09_总结.mp4 [7.7 MB]
07_作业实现：反向传播与更新梯度.mp4 [33.7 MB]
01_浅层神经网络表示.mp4 [14.9 MB]
05_作业介绍.mp4 [7.8 MB]
06_作业实现：初始化模型与前向传播.mp4 [28.4 MB]
04_浅层神经网络的反向传播.mp4 [18.5 MB]
08_作业实现：网络模型逻辑实现.mp4 [15.4 MB]
00.浅层神经网络.mp4 [3.9 MB]
03_激活函数的选择.mp4 [21.1 MB]
📁 📁 2.神经网络基础
📁 📁 2.神经网络基础
10_向量化实现逻辑回归的梯度计算更新.mp4 [17.5 MB]
14_作业讲解题2：参数初始化与前向传播、反向传播.mp4 [24.1 MB]
07_逻辑回归的导数计算图分析以及参数导数.mp4 [23.6 MB]
16_总结.mp4 [14.7 MB]
08_向量化编程介绍引入.mp4 [17.4 MB]
11_正向传播与反向传播、作业介绍.mp4 [14.2 MB]
02_逻辑回归损失函数.mp4 [17.2 MB]
01_逻辑回归介绍.mp4 [26.9 MB]
06_导数计算图与链式法则.mp4 [24.9 MB]
05_a^2函数的导数介绍.mp4 [17.2 MB]
04_导数意义介绍.mp4 [6.9 MB]
03_梯度下降算法过程以及公式.mp4 [21.1 MB]
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 [10.0 MB]
09_向量化编程的优势.mp4 [17.5 MB]
12_作业讲解题1：实现sigmoid函数与梯度实.mp4 [7.2 MB]
15_作业讲解题2：优化迭代实现、model逻辑实现.mp4 [23.1 MB]
📁 📁 1.深度学习介绍
📁 📁 1.深度学习介绍
03_深度学习介绍2.mp4 [5.1 MB]
02_深度学习介绍.mp4 [33.3 MB]
📁 📁 1.深度学习介绍
01_深度学习课程介绍.mp4 [6.4 MB]
📁 📁 4.深层神经网络
📁 📁 4.深层神经网络
01_深层神经网络表示.mp4 [18.0 MB]
02_深层神经网络的反向传播过程.mp4 [9.8 MB]
03_参数初始化与超参数介绍.mp4 [15.1 MB]
📁 1-2 深度学习优化进阶
📁 📁 3.深度学习正则化
📁 📁 3.深度学习正则化
03_Droupout过程与原理理解.mp4 [38.4 MB]
04_其它正则化方法-早停止法与数据增强.mp4 [39.9 MB]
07_作业讲解2.mp4 [7.4 MB]
02_正则化概念、L2正则化与L1正则化.mp4 [28.9 MB]
06_作业讲解1.mp4 [24.3 MB]
05_正则化作业介绍.mp4 [9.1 MB]
01_深度学习偏差与方差介绍为、什么需要正则化.mp4 [30.9 MB]
📁 📁 4.神经网络调参与BN
📁 📁 4.神经网络调参与BN
02_批标准化定义、公式、为什么有效.mp4 [57.8 MB]
01_神经网络调参数技巧与如何设置参数、如何运行.mp4 [20.3 MB]
📁 📁 1.多分类
📁 📁 1.多分类
02_交叉熵损失原理.mp4 [24.4 MB]
09_调整学习率带来的问题.mp4 [12.3 MB]
08_案例：添加模型保存、预测.mp4 [33.2 MB]
05_案例：主网络结构搭建实现.mp4 [45.8 MB]
04_案例：网络结构、流程、代码介绍.mp4 [25.7 MB]
07_案例：Tensorboard观察显示.mp4 [28.3 MB]
06_案例：添加准确率.mp4 [33.5 MB]
01_深度学习紧接、多分类介绍.mp4 [17.6 MB]
03_案例：Mnist手写数字数据介绍.mp4 [18.2 MB]
📁 📁 2.梯度下降算法优化
📁 📁 2.梯度下降算法优化
01_深度学习遇到问题、为什么需要优化算法.mp4 [33.1 MB]
08_作业讲解1.mp4 [74.0 MB]
06_标准化输入带来的优化.mp4 [19.4 MB]
04_动量梯度下降原理公式理解.mp4 [39.6 MB]
07_作业介绍.mp4 [10.5 MB]
02_Mini梯度下降与Batch梯度下降.mp4 [35.2 MB]
03_指数加权平均.mp4 [20.5 MB]
05_RMSProp与Adam原理与学习率递减.mp4 [16.2 MB]
09_作业讲解2.mp4 [5.8 MB]
📁 1-5 高级主题
📁 📁 3.CapsuleNet
📁 📁 3.CapsuleNet
01_CapsuleNet了解.mp4 [33.4 MB]
02_深度学习课程总结.mp4 [27.3 MB]
📁 📁 1.生产对抗网络
📁 📁 1.生产对抗网络
06_生成数字图片案例：运行保存图片并对比.mp4 [14.1 MB]
02_GAN原理、损失和DCGAN结构.mp4 [21.5 MB]
05_生成数字图片案例：训练流程.mp4 [43.6 MB]
04_生成数字图片案例：模型初始化代码编写.mp4 [48.5 MB]
01_高级主题介绍、GAN介绍.mp4 [32.7 MB]
03_生成数字图片案例：结果演示流程介绍.mp4 [20.8 MB]
📁 📁 2.自动编码器
📁 📁 2.自动编码器
04_案例：深度自编码器编写演示.mp4 [7.9 MB]
05_案例：卷积自编码器编写演示.mp4 [18.4 MB]
02_案例：编码器类别、普通自编码器流程、模型初始化逻辑.mp4 [31.5 MB]
01_自动编码器介绍.mp4 [11.3 MB]
03_案例：训练普通自编码器.mp4 [29.1 MB]
06_案例：降噪编码器介绍.mp4 [9.9 MB]
07_案例：降噪编码器案例.mp4 [17.7 MB]
📁 1-7 自然语言处理
📁 📁 2.自然语言处理基础实作-机器学习篇
📁 📁 2.自然语言处理基础实作-机器学习篇
1.机器学习-NLTK_数据读取.mp4 [30.6 MB]
7.机器学习-NLTK_稀疏矩阵.mp4 [15.6 MB]
8.机器学习-NLTK_最大过滤.mp4 [10.9 MB]
4.机器学习-NLTK_去除虚词.mp4 [13.0 MB]
5.机器学习-NLTK_词根化.mp4 [33.8 MB]
3.机器学习-NLTK_大小写转换.mp4 [7.6 MB]
9.机器学习-NLTK_建立词袋模型.mp4 [77.9 MB]
6.机器学习-NLTK_还原字符串.mp4 [55.4 MB]
2.机器学习-NLTK_清理数据.mp4 [7.6 MB]
📁 📁 1.自然语言处理基础概念
📁 📁 1.自然语言处理基础概念
4.Seq2Seq.mp4 [40.6 MB]
5.Beam Serch Decoding.mp4 [46.4 MB]
2.端对端深度学习模型.mp4 [84.0 MB]
0.NLP介紹.mp4 [108.3 MB]
1.NLP的种类.mp4 [37.8 MB]
6.Attention.mp4 [34.5 MB]
3.词袋.mp4 [38.1 MB]
📁 📁 5.实战项目-从无到有打造聊天机器人
📁 📁 5.实战项目-从无到有打造聊天机器人
19. ChatBot 处理输出.mp4 [41.0 MB]
12. ChatBot 标记化&去除少数字.mp4 [19.1 MB]
32. ChatBot 问答等长处理.mp4 [29.8 MB]
38. ChatBot 输入修飾.mp4 [7.7 MB]
10. ChatBot 清理问题集&回答集.mp4 [21.3 MB]
07. ChatBot 建立对话列表.mp4 [23.6 MB]
31. ChatBot 损失，优化，梯度消減.mp4 [25.1 MB]
23. ChatBot 创建解码RNN.mp4 [48.8 MB]
35. ChatBot 训练.mp4 [52.0 MB]
29. ChatBot 設置輸入的数据形状.mp4 [28.3 MB]
17. ChatBot 长短句.mp4 [35.4 MB]
22. ChatBot 解码器测试.mp4 [43.2 MB]
04.chatbot 导入依赖包.mp4 [12.9 MB]
30. ChatBot训练 & 测试結果.mp4 [30.6 MB]
18. ChatBot input&output.mp4 [30.1 MB]
27. ChatBot 模型 input.mp4 [30.5 MB]
33. ChatBot 问答数据批量.mp4 [22.8 MB]
39. ChatBot 开始聊天.mp4 [43.8 MB]
25. ChatBot 設置超参数.mp4 [31.1 MB]
28. ChatBot 模型輸入序列長度.mp4 [36.3 MB]
06.chatbot 创建对話字典.mp4 [29.3 MB]
13. ChatBot 最终标记.mp4 [6.6 MB]
14. ChatBot 逆向字典.mp4 [21.0 MB]
05.ChatBot 读取数据.mp4 [26.7 MB]
34. ChatBot 数据分割.mp4 [15.2 MB]
03.chatbot 下载数据集.mp4 [74.9 MB]
09.ChatBot 数据初步清洗.mp4 [23.7 MB]
11. ChatBot 统计字频.mp4 [11.2 MB]
24. ChatBot Seq2Seq 模型.mp4 [62.5 MB]
36. ChatBot 训练2.mp4 [42.5 MB]
0.chatbot.mp4 [17.6 MB]
20. ChatBot 建立RNN 模型.mp4 [24.7 MB]
08. ChatBot 问答集.mp4 [30.6 MB]
37. ChatBot 测试.mp4 [13.1 MB]
26.ChatBot 启动运算.mp4 [21.0 MB]
15. ChatBot 添加 EOS 标签.mp4 [22.7 MB]
16. ChatBot 问答数列化.mp4 [41.1 MB]
01.chatbot 搭建计画.mp4 [42.0 MB]
21. ChatBot 解码器训练.mp4 [56.3 MB]
02.chatbot 环境搭建下载数据集.mp4 [34.1 MB]
📁 📁 3.自然语言处理基础实作-深度学习篇
📁 📁 3.自然语言处理基础实作-深度学习篇
12.深度学习-Deep Learning in NLP_模型加速.mp4 [65.3 MB]
11.深度学习-Deep Learning in NLP_模型优化.mp4 [43.5 MB]
10.深度学习-Deep Learning in NLP.mp4 [154.0 MB]
📁 📁 4.自然语言处理核心部分
📁 📁 4.自然语言处理核心部分
1.CNN REIVEW.mp4 [46.7 MB]
6.LSTM_CODE.mp4 [77.7 MB]
4.RNN CODE.mp4 [143.2 MB]
10. 文本分类 CNN 模型使用.mp4 [130.2 MB]
7.文本分类.mp4 [61.7 MB]
8.文本分类的方式.mp4 [31.0 MB]
11. 文本分类 RNN 搭建.mp4 [123.6 MB]
5.LSTM.mp4 [53.2 MB]
2.CNN CODE.mp4 [140.6 MB]
9.文本分类CNN&RNN.mp4 [65.8 MB]
3.RNN REVIEW.mp4 [38.3 MB]
📁 1-8 图片商品物体检测项目第一阶段-检测算法原理
📁 📁 4.FastRCNN原理
📁 📁 4.FastRCNN原理
03_FastRCNN：多任务损失.mp4 [15.8 MB]
02_FastRCNN：RoI pooling结构以及SPP对比.mp4 [15.2 MB]
04_FastRCNN：总结与问题自测.mp4 [3.6 MB]
01_FastRCNN：改进之处以及网络流程.mp4 [7.1 MB]
📁 📁 7.SSD原理
📁 📁 7.SSD原理
05_第一阶段算法总结.mp4 [42.2 MB]
01_SSD：网络结构与Detected结构.mp4 [25.3 MB]
04_TensorflowSSD接口介绍.mp4 [23.9 MB]
03_SSD：训练与测试流程总结.mp4 [9.1 MB]
02_SSD：localization与confidence.mp4 [17.7 MB]
📁 📁 2.RCNN原理
📁 📁 2.RCNN原理
08_RCNN：总结、优缺点与问题自测.mp4 [15.9 MB]
06_RCNN：候选区域修正.mp4 [8.4 MB]
03_RCNN：候选区域以及特征提取.mp4 [14.4 MB]
05_RCNN：非极大抑制（NMS）.mp4 [14.2 MB]
01_Overfeat模型.mp4 [21.3 MB]
02_RCNN：步骤流程介绍.mp4 [9.1 MB]
04_RCNN：SVM分类器.mp4 [13.9 MB]
07_RCNN：训练过程与测试过程介绍.mp4 [24.9 MB]
📁 📁 5.FasterRCNN原理
📁 📁 5.FasterRCNN原理
02_FasterRCNN：RPN网络的原理.mp4 [23.5 MB]
01_FasterRCNN：网络结构与步骤.mp4 [15.5 MB]
03_FasterRCNN：总结与问题自测.mp4 [5.3 MB]
📁 📁 1.目标检测概述
📁 📁 1.目标检测概述
03_项目结构以及课程安排.mp4 [6.7 MB]
08_目标检测任务描述.mp4 [29.5 MB]
02_项目演示结果.mp4 [7.1 MB]
06_目标检测应用场景.mp4 [13.7 MB]
05_目标检测的定义和技术历史.mp4 [13.3 MB]
04_图像识别背景.mp4 [9.4 MB]
07_目标检测算法原理铺垫.mp4 [3.9 MB]
01_课程要求以及目标.mp4 [3.2 MB]
📁 📁 6.YOLO原理
📁 📁 6.YOLO原理
02_YOLO：单元格原理过程.mp4 [31.2 MB]
04_YOLO：总结.mp4 [3.3 MB]
03_YOLO：训练过程样本标记.mp4 [4.7 MB]
01_YOLO：算法特点与流程介绍.mp4 [5.9 MB]
📁 📁 3.SPPNet原理
📁 📁 3.SPPNet原理
04_SPPNet：总结、优缺点与问题自测.mp4 [7.4 MB]
02_SPPNet：映射.mp4 [9.4 MB]
01_SPPNet：与RCNN的区别、网络流程.mp4 [10.4 MB]
03_SPPNet：SPP层的作用.mp4 [17.3 MB]
📁 1-3 卷积神经网络
📁 📁 1.卷积网络原理
📁 📁 1.卷积网络原理
09_全连接层.mp4 [10.4 MB]
05_过滤器大小与步长.mp4 [22.5 MB]
06_多通道的卷积与多卷积核.mp4 [12.7 MB]
03_默认卷积的运算过程.mp4 [11.5 MB]
01_卷积来源、数据量与感受野的边缘检测.mp4 [51.5 MB]
08_池化层.mp4 [15.5 MB]
07_卷积总结.mp4 [26.7 MB]
04_零填充.mp4 [17.4 MB]
02_卷积网络结构介绍.mp4 [13.5 MB]
📁 📁 3.CNN实战
📁 📁 3.CNN实战
03_迁移学习.mp4 [30.5 MB]
02_作业讲解.mp4 [57.0 MB]
01_作业介绍.mp4 [9.3 MB]
📁 📁 2.经典分类结构
📁 📁 2.经典分类结构
02_常见网络结构介绍.mp4 [26.3 MB]
04_Inception结构以及改进.mp4 [24.7 MB]
01_LeNet5的计算过程详解.mp4 [34.4 MB]
05_GoogleNet了解与卷积网络学习内容.mp4 [22.8 MB]
03_Inception(1x1卷积介绍）.mp4 [32.3 MB]
📁 1-4 循环神经网络
📁 📁 2.词嵌入
📁 📁 2.词嵌入
01_词嵌入介绍.mp4 [20.8 MB]
02_词嵌入案例.mp4 [31.2 MB]
📁 📁 1.循环神经网络
📁 📁 1.循环神经网络
04_交叉熵损失计算.mp4 [5.8 MB]
12_GRU与LSTM介绍.mp4 [26.4 MB]
07_手写RNN案例：单个cell前向传播.mp4 [23.8 MB]
11_案例总结.mp4 [6.0 MB]
02_循环神经网络结构原理.mp4 [26.7 MB]
03_词的表示与矩阵形状运算.mp4 [33.0 MB]
08_手写RNN案例：所有cell的前向传播.mp4 [34.5 MB]
10_手写RNN案例：所有cell的反向传播.mp4 [49.0 MB]
01_循环神经网络背景介绍.mp4 [13.0 MB]
06_梯度消失、案例介绍.mp4 [18.1 MB]
09_手写RNN案例：单个cell的反向传播.mp4 [34.8 MB]
05_时间反向传播算法.mp4 [37.8 MB]
📁 📁 3.seq2seq与Attention机制
📁 📁 3.seq2seq与Attention机制
01_seq2seq介绍与理解.mp4 [24.6 MB]
16_机器翻译案例：测试逻辑结果演示.mp4 [11.2 MB]
11_机器翻译案例：seq2seq的输出层定义.mp4 [9.6 MB]
04_机器翻译案例：日期格式翻译转换、代码结构介绍.mp4 [17.8 MB]
15_机器翻译案例：训练结果与问题解决.mp4 [8.5 MB]
10_机器翻译案例：自定义网络seq2seq的编解码器定义.mp4 [31.3 MB]
14_机器翻译案例：训练逻辑编写.mp4 [18.0 MB]
02_seq2seq机器翻译等场景介绍分析.mp4 [6.2 MB]
06_机器翻译案例：数据获取以及数据格式转换介绍.mp4 [19.4 MB]
07_机器翻译案例：训练逻辑与网络结构介绍.mp4 [23.5 MB]
05_机器翻译案例：模型参数定义.mp4 [16.7 MB]
17_集束搜索介绍.mp4 [16.2 MB]
03_Attention原理分析.mp4 [45.2 MB]
08_机器翻译案例：网络输入输出逻辑介绍.mp4 [14.8 MB]
09_机器翻译案例：网络输入输出逻辑编写.mp4 [39.7 MB]
13_机器翻译案例：model中计算attention输出c逻辑函数实现.mp4 [25.9 MB]
12_机器翻译案例：attention结构定义.mp4 [37.7 MB]适合人群
- Python开发者
- AI爱好者
- 深度学习初学者
🎯 学习收获
- 掌握人脸识别技术
- 实现AI项目实战
- 提升AI应用开发能力
🎉 祝您学习愉快！