MOOC系统AI人工智能算法工程师
深度学习与视觉模型实战
编辑点评
课程深入浅出，从基础到高级，涵盖Vision Transformer等前沿模型，适合AI算法工程师提升技能。
⭐ 编辑推荐
本课程聚焦AI算法工程师，系统学习深度学习与视觉模型，掌握Vision Transformer等前沿技术。
✨ 课程亮点
✦Vision Transformer模型深入解析
✦实战轻量级ViT模型
✦Python高级编程基础
课程目录
📁 【第16周】 Vision Transformer 模型
📁 📁 16-1 Vision Transformer模型
📁 📁 16-1-2 第2章 从零搭建Vision Transformer
📁 📁 16-1-1 第1章 基础 ViT模型
16-1 Vision Transformer模型说明.png [493.5 KB]
📁 📁 16-2 轻量级VisionTransformer
📁 📁 16-2-2 第2章 从零搭建Mobile ViT模型
📁 📁 16-2-1 第1章 轻量级ViT模型
📁 📁 16-2 轻量级VisionTransformer【找it资源dbbp.net】【微 信648765304】
📁 📁 16-2-1 第1章 轻量级ViT模型
📁 📁 16-2-2 第2章 从零搭建Mobile ViT模型
📁 【第16周】 Vision Transformer 模型【找it资源dbbp.net】【微 信648765304】
📁 📁 16-2 轻量级VisionTransformer
📁 📁 16-2-1 第1章 轻量级ViT模型
📁 📁 16-2-2 第2章 从零搭建Mobile ViT模型
📁 📁 16-2 轻量级VisionTransformer【找it资源dbbp.net】【微 信648765304】
📁 📁 16-2-1 第1章 轻量级ViT模型
16-2-1-1 Compact Transformer模型__ev-金狮_.mp4 [28.4 MB]
16-2-1-2 Mobile VIT 模型__ev-金狮_.mp4 [37.5 MB]
📁 📁 16-2-2 第2章 从零搭建Mobile ViT模型
16-2-2-3 从零搭建Mobile ViT模型（3）__ev-金狮_.mp4 [33.3 MB]
16-2-2-2 从零搭建Mobile ViT模型（2）__ev-金狮_.mp4 [12.9 MB]
16-2-2-1 从零搭建Mobile ViT模型（1）__ev-金狮_.mp4 [13.9 MB]
📁 📁 16-1 Vision Transformer模型
📁 📁 16-1-1 第1章 基础 ViT模型
16-1-1-1 Transformer模型：ViT__ev-金狮_.mp4 [41.6 MB]
16-1-1-2 Transformer模型：DeiT__ev-金狮_.mp4 [18.6 MB]
📁 📁 16-1-2 第2章 从零搭建Vision Transformer
16-1-2-1 从零搭建Vision Transformer（1）__ev-金狮_.mp4 [46.5 MB]
16-1-2-2 从零搭建Vision Transformer（2）__ev-金狮_.mp4 [90.4 MB]
【第16周】 Vision Transformer 模型【找it资源dbbp.net】【微 信648765304】文档.zip [1.8 MB]
📁 【第3周】 AI编程基石：Python高级编程
📁 📁 3-1 Python的文件、表格、绘图、视频处理
📁 📁 3-1-5 第5章 OpenCV 影像数据处理
📁 📁 3-1-6 第6章 pickle文件处理：数据序列化处理
📁 📁 3-1-1 第1章 周课程整体介绍与安排
📁 📁 3-1-4 第4章 Matplotlib 常用画图处理
📁 📁 3-1-2 第2章 文本文件操作
📁 📁 3-1-3 第3章 pandas 表格数据处理
3-1 Python的文件、表格、绘图、视频处理文档.zip [1.8 MB]
📁 📁 3-2 PyQt构建用户界面应用程序【找it资源dbbp.net】【微 信648765304】
📁 📁 3-2-1 第1章 PyQt安装与构建用户界面
📁 📁 3-2-2 第2章 优化PyQt构建用户界面应用程序
📁 📁 3-2 PyQt构建用户界面应用程序
📁 📁 3-2-1 第1章 PyQt安装与构建用户界面
📁 📁 3-2-2 第2章 优化PyQt构建用户界面应用程序
【第3周】 AI编程基石：Python高级编程说明.zip [1.8 MB]
📁 【第8周】 深度学习优化-使用深层神经网络来解决复杂的任务
📁 📁 8-2 标准化方法+正则化
📁 📁 8-2-2 第2章 正则化
8-2-2-1 什么是泛化&正则化__ev-金狮_.mp4 [11.2 MB]
8-2-2-4 隐式正则化方法（数据标准化&数据增强&随机参数更新&标签__ev-金狮_.mp4 [11.2 MB]
8-2-2-2 正则化方法（显示方法-提前终止&模型集成&Dropout__ev-金狮_.mp4 [18.9 MB]
8-2-2-3 正则化方法（显示方法-参数正则化）__ev-金狮_.mp4 [5.9 MB]
📁 📁 8-2-1 第1章 标准化方法
8-2-1-2 常见标准化方法：BN作用&缺点&改进__ev-金狮_.mp4 [19.8 MB]
8-2-1-3 常见标准化方法的对比__ev-金狮_.mp4 [9.7 MB]
8-2-1-1 什么是标准化__ev-金狮_.mp4 [12.2 MB]
📁 📁 8-3 学习率与最优化方法
📁 📁 8-3-1 第1章 学习率与最优化方法
8-3-1-2 梯度下降算法与学习率__ev-金狮_.mp4 [9.4 MB]
8-3-1-5 Adam算法与Nadam算法__ev-金狮_.mp4 [12.9 MB]
8-3-1-4 NAG法与Adagrad法__ev-金狮_.mp4 [11.0 MB]
8-3-1-3 随机梯度算法与动量法Momentum__ev-金狮_.mp4 [11.6 MB]
8-3-1-1 最优化概述__ev-金狮_.mp4 [10.4 MB]
📁 📁 8-1 参数初始化+激活函数
📁 📁 8-1-3 第3章 深度学习优化：泛化与正则化
📁 📁 8-1-2 第2章 深度学习优化：标准化
📁 📁 8-1-1 第1章 周课程整体介绍与安排
📁 📁 8-1 参数初始化+激活函数【找it资源dbbp.net】【微 信648765304】
📁 📁 8-1-2 第2章 深度学习优化：标准化
8-1-2-2 S型激活函数__ev-金狮_.mp4 [5.6 MB]
8-1-2-4 Maxout激活函数与Swish函数__ev-金狮_.mp4 [8.9 MB]
8-1-2-1 什么是激活__ev-金狮_.mp4 [9.5 MB]
8-1-2-3 ReLU型激活函数与改进__ev-金狮_.mp4 [14.6 MB]
📁 📁 8-1-3 第3章 深度学习优化：泛化与正则化
8-1-3-3 常见初始化方法 (Xavier初始化&MSRA初始化)__ev-金狮_.mp4 [12.1 MB]
8-1-3-2 常见初始化方法 (简单初始化&标准初始化)__ev-金狮_.mp4 [8.6 MB]
8-1-3-1 参数初始化__ev-金狮_.mp4 [12.2 MB]
📁 📁 8-1-1 第1章 周课程整体介绍与安排
8-1-1-1 周课程整体介绍与安排.pdf [45.4 KB]
【第8周】 深度学习优化-使用深层神经网络来解决复杂的任务资料.zip [1.8 MB]
📁 【第2周】 AI编程基石：Python入门与进阶
📁 📁 2-3 Python列表、元组、字典和集合【找it资源dbbp.net】【微 信648765304】
📁 📁 2-3-1 第1章 Python序列与应用
2-3-1-3 python元组.mp4 [7.6 MB]
2-3-1-1 序列通用操作.mp4 [15.4 MB]
2-3-1-6 字符串.mp4 [11.8 MB]
2-3-1-2 python列表.mp4 [12.3 MB]
2-3-1-5 集合.mp4 [6.4 MB]
2-3-1-4 字典.mp4 [14.4 MB]
2-3 Python列表、元组、字典和集合【找it资源dbbp.net】【微 信648765304】文档.png [493.5 KB]
📁 📁 2-1 Python起步：入门与环境搭建
📁 📁 2-1-2 第2章 Anacond软件：安装、管理python相关包
2-1-2-2 Anaconda的环境管理-电子文档.pdf [59.0 KB]
2-1-2-3 Anaconda换源指南-电子文档.pdf [67.6 KB]
2-1-2-1 Anaconda的安装与应用.mp4 [68.5 MB]
📁 📁 2-1-3 第3章 Jupyter Notbook&Pycharm：Py开发
2-1-3-2 PyCharm的介绍&安装&应用.mp4 [42.3 MB]
2-1-3-1 JupyterNotebook的介绍&安装&应用.mp4 [94.7 MB]
📁 📁 2-1-1 第1章 周课程整体介绍和安排
2-1-1-1 课程整体介绍与学习安排.mp4 [11.1 MB]
📁 📁 2-1-4 第4章 环境配置的优化方案
2-1-4-1 环境配置的优化方案.mp4 [47.9 MB]
📁 📁 2-4 Python函数、模块，文件与文件夹操作
📁 📁 2-4-3 第3章 Python文件与文件操作
2-4-3-1 文件操作.mp4 [16.5 MB]
2-4-3-4 综合案例：YOLO标注文件清洗.mp4 [53.4 MB]
2-4-3-2 文件夹操作.mp4 [22.3 MB]
2-4-3-3 综合案例：YOLO标注文件清洗.mp4 [16.7 MB]
📁 📁 2-4-2 第2章 python模块
2-4-2-1 模块的使用.mp4 [50.6 MB]
📁 📁 2-4-1 第1章 Python函数
2-4-1-2 综合案例：使用函数创建模型.mp4 [12.3 MB]
2-4-1-1 函数.mp4 [12.1 MB]
📁 📁 2-2 Python基础与程序流程控制
📁 📁 2-2-4 第4章 循环结构语句
2-2-4-3 循环语句综合案例.mp4 [12.8 MB]
2-2-4-2 while循环语句.mp4 [10.3 MB]
2-2-4-1 for循环语句.mp4 [9.1 MB]
📁 📁 2-2-3 第3章 选择结构语句
2-2-3-2 IF选择语句综合案例.mp4 [11.0 MB]
2-2-3-1 IF选择语句.mp4 [10.5 MB]
📁 📁 2-2-2 第2章 顺序结构语句
2-2-2-2 数据格式转换&案例.mp4 [26.7 MB]
2-2-2-1 赋值&计算&数据格式.mp4 [13.5 MB]
📁 📁 2-2-1 第1章 基础语法与输入出
2-2-1-2 注释&输入输出.mp4 [12.5 MB]
2-2-1-1 等号赋值&命名规则.mp4 [16.5 MB]
2-2-1-3 综合案例.mp4 [24.2 MB]
📁 📁 2-5 Python面向对象编程【找it资源dbbp.net】【微 信648765304】
📁 📁 2-5-1 第1章 面向对象的概念
2-5-1-4 对象.mp4 [16.3 MB]
2-5-1-3 行为.mp4 [10.9 MB]
2-5-1-2 属性.mp4 [9.5 MB]
2-5-1-1 类.mp4 [7.1 MB]
📁 📁 2-5-2 第2章 面向对象的特征
2-5-2-3 多态.mp4 [13.5 MB]
2-5-2-1 封装.mp4 [15.8 MB]
2-5-2-2 继承.mp4 [17.1 MB]
📁 📁 2-5-3 第3章 综合案例
2-5-3-1 综合案例：神经网络的继承.mp4 [20.3 MB]
📁 📁 2-5 Python面向对象编程
📁 📁 2-5-3 第3章 综合案例
📁 📁 2-5-2 第2章 面向对象的特征
📁 📁 2-5-1 第1章 面向对象的概念
📁 📁 2-3 Python列表、元组、字典和集合
📁 📁 2-3-1 第1章 Python序列与应用
📁 【第11周】 深入PyTorch模型的训练与可视化
📁 📁 11-1 PyThorch训练基础与数据可视化
📁 📁 11-1-1 第1章 模型训练与可视化
📁 📁 11-3 PyThorch软件封装
📁 📁 11-3-1 第1章 PyThorch软件封装
📁 📁 11-2 PyThorch训练进阶与性能优化
📁 📁 11-2-2 第2章 模型性能提升方法
📁 📁 11-2-1 第1章 PyTorch 训练进阶
📁 【第18周】 【工业领域】目标检测技术与项目实战
📁 📁 18-1 目标检测基础与YOLO系列模型原理
📁 📁 18-1-1 第1章 目标检测基础
18-1-1-3 算法总览__ev-金狮_.mp4 [10.6 MB]
18-1-1-2 评估指标__ev-金狮_.mp4 [32.3 MB]
18-1-1-1 目标检测问题__ev-金狮_.mp4 [25.2 MB]
📁 📁 18-1-2 第2章 YOLO系列模型原理
18-1-2-7 YOLO V3：网络结构__ev-金狮_.mp4 [21.7 MB]
18-1-2-14 YOLO V5：开源项目__ev-金狮_.mp4 [8.0 MB]
18-1-2-1 YOLO V1：基本原理__ev-金狮_.mp4 [30.5 MB]
18-1-2-2 YOLO V1：优化目标__ev-金狮_.mp4 [11.0 MB]
18-1-2-10 YOLO V4：网络结构__ev-金狮_.mp4 [23.0 MB]
18-1-2-11 YOLO V4：参数调优__ev-金狮_.mp4 [46.7 MB]
18-1-2-3 YOLO V1：算法性能__ev-金狮_.mp4 [15.7 MB]
18-1-2-5 YOLO V2：边框策略__ev-金狮_.mp4 [56.3 MB]
18-1-2-9 YOLO V3：模型性能__ev-金狮_.mp4 [4.4 MB]
18-1-2-12 YOLO V4：模型性能__ev-金狮_.mp4 [28.8 MB]
18-1-2-6 YOLO V2：训练策略与结果__ev-金狮_.mp4 [16.9 MB]
18-1-2-4 YOLO V2：网络结构__ev-金狮_.mp4 [13.8 MB]
18-1-2-8 YOLO V3：损失函数__ev-金狮_.mp4 [8.9 MB]
18-1-2-13 YOLO V5：网络结构__ev-金狮_.mp4 [22.7 MB]
📁 📁 18-2 实践：YOLO v5车牌检测实战
📁 📁 18-2-1 第1章 YOLO v5车牌检测实战
18-2-1-4 车牌检测实战3.2-关键代码解读-数据读取__ev-金狮_.mp4 [107.6 MB]
18-2-1-7 车牌检测实战3.5-关键代码解读-优化目标与评估指标__ev-金狮_.mp4 [133.6 MB]
18-2-1-9 车牌检测实战5-模型测试__ev-金狮_.mp4 [111.1 MB]
18-2-1-5 车牌检测实战3.3-关键代码解读-模型定义__ev-金狮_.mp4 [119.1 MB]
18-2-1-8 车牌检测实战4-模型训练__ev-金狮_.mp4 [37.2 MB]
18-2-1-3 车牌检测实战3.1-关键代码解读-配置相关文件__ev-金狮_.mp4 [41.2 MB]
18-2-1-1 车牌检测实战1-项目介绍__ev-金狮_.mp4 [31.8 MB]
18-2-1-6 车牌检测实战3.4-关键代码解读-模型训练__ev-金狮_.mp4 [116.7 MB]
18-2-1-2 车牌检测实战2-数据准备和处理__ev-金狮_.mp4 [39.3 MB]
📁 【第13周】 移动端AI高效率分组模型
📁 📁 13-2 shufflenet模型理论与实战
📁 📁 13-2-2 第2章 从零搭建ShuffleNet模型
📁 📁 13-2-1 第1章 ShuffleNet模型
📁 📁 13-1 mobilenet模型理论与实战【找it资源dbbp.net】【微 信648765304】
📁 📁 13-1-2 第2章 MobileNet 模型
13-1-2-2 MobileNet V1实验__ev-金狮_.mp4 [8.7 MB]
13-1-2-4 MobileNet V2实验__ev-金狮_.mp4 [7.9 MB]
13-1-2-3 MobileNet V2原理与核心结构__ev-金狮_.mp4 [22.9 MB]
13-1-2-1 MobileNet V1 核心模块&结构&有效性&版本控__ev-金狮_.mp4 [27.1 MB]
📁 📁 13-1-3 第3章 从零搭建MobileNet模型
13-1-3-2 基于Pytorch从零搭建MobileNet V1& M__ev-金狮_.mp4 [72.1 MB]
13-1-3-1 基于Pytorch从零搭建MobileNet V1& M__ev-金狮_.mp4 [65.6 MB]
📁 📁 13-1-1 第1章 卷积拆分分组与Xception
13-1-1-2 卷积分组__ev-金狮_.mp4 [8.6 MB]
13-1-1-3 Xception__ev-金狮_.mp4 [20.9 MB]
13-1-1-1 卷积拆分__ev-金狮_.mp4 [7.1 MB]
📁 📁 13-2 shufflenet模型理论与实战【找it资源dbbp.net】【微 信648765304】
📁 📁 13-2-1 第1章 ShuffleNet模型
13-2-1-3 从零搭建ResNet（1）__ev-金狮_.mp4 [55.5 MB]
13-2-1-1 ResNet__ev-金狮_.mp4 [26.6 MB]
13-2-1-1 ShuffleNet V1 原理与模块__ev-金狮_.mp4 [26.5 MB]
13-2-1-4 从零搭建ResNet （2）__ev-金狮_.mp4 [86.1 MB]
13-2-1-2 DenseNet__ev-金狮_.mp4 [20.3 MB]
13-2-1-4 ShuffleNet V1与ShuffleNet V2__ev-金狮_.mp4 [11.0 MB]
13-2-1-3 ShuffleNet V2 原理与模块__ev-金狮_.mp4 [34.1 MB]
13-2-1-2 ShuffleNet V1 实验__ev-金狮_.mp4 [13.5 MB]
📁 📁 13-2-2 第2章 从零搭建ShuffleNet模型
13-2-2-1 ShuffleNet原理与结构配置__ev-金狮_.mp4 [7.0 MB]
13-2-2-3 基于Pytorch从零搭建ShuffleNet V1&__ev-金狮_.mp4 [58.5 MB]
13-2-2-2 基于Pytorch从零搭建ShuffleNet V1&__ev-金狮_.mp4 [80.1 MB]
📁 📁 13-1 mobilenet模型理论与实战
📁 📁 13-1-3 第3章 从零搭建MobileNet模型
📁 📁 13-1-1 第1章 卷积拆分分组与Xception
📁 📁 13-1-2 第2章 MobileNet 模型
📁 【第5周】 机器学习 - 解锁人工智能的核心
📁 📁 5-2 评估目标与优化目标
📁 📁 5-2-1 第1章 机器学习评估指标
5-2-1-1 模型评估基础__ev-金狮_.mp4 [6.3 MB]
5-2-1-2 分类任务常见评估指标__ev-金狮_.mp4 [21.9 MB]
5-2-1-3 回归任务常见评估指标__ev-金狮_.mp4 [7.8 MB]
📁 📁 5-2-2 第2章 机器学习优化目标
5-2-2-1 模型优化概述__ev-金狮_.mp4 [10.9 MB]
5-2-2-2 分类任务常见优化目标__ev-金狮_.mp4 [10.5 MB]
5-2-2-3 回归任务常见优化目标__ev-金狮_.mp4 [8.0 MB]
5-2 评估目标与优化目标说明.zip [1.8 MB]
📁 📁 5-1 机器学习理论&常见任务【找it资源dbbp.net】【微 信648765304】
📁 📁 5-1-2 第2章 机器学习基础
5-1-2-3 机器学习的发展历史__ev-金狮_.mp4 [11.0 MB]
5-1-2-1 什么是机器学习__ev-金狮_.mp4 [21.0 MB]
5-1-2-2 为什么需要机器学习__ev-金狮_.mp4 [8.7 MB]
📁 📁 5-1-3 第3章 机器学习特征
5-1-3-3 特征选择__ev-金狮_.mp4 [12.6 MB]
5-1-3-2 特征编码__ev-金狮_.mp4 [9.3 MB]
5-1-3-1 特征概念__ev-金狮_.mp4 [21.9 MB]
📁 📁 5-1-1 第1章 周介绍和课程安排
5-1-1-1 周介绍和课程安排.pdf [149.3 KB]
📁 📁 5-1-4 第4章 机器学习常见任务
5-1-4-1 机器学习问题概览__ev-金狮_.mp4 [18.5 MB]
5-1-4-2 有&无监督学习模型__ev-金狮_.mp4 [22.0 MB]
📁 📁 5-3 机器学习模型实践
📁 📁 5-3-1 第1章 逻辑回归模型原理与实战
5-3-1-3 逻辑回归模型实战__ev-金狮_.mp4 [32.2 MB]
5-3-1-2 逻辑回归模型原理【逻辑回归模型】__ev-金狮_.mp4 [8.2 MB]
5-3-1-1 逻辑回归模型原理【如何建模求解】__ev-金狮_.mp4 [8.6 MB]
📁 📁 5-1 机器学习理论&常见任务
📁 📁 5-1-2 第2章 机器学习基础
📁 📁 5-1-4 第4章 机器学习常见任务
📁 📁 5-1-3 第3章 机器学习特征
📁 📁 5-1-1 第1章 周介绍和课程安排
📁 【第14周】 卷积注意力模型
📁 📁 14-3 混合注意力模型
📁 📁 14-3-1 第1章 混合注意力模型
14-3-1-1 CBAM__ev-金狮_.mp4 [25.9 MB]
14-3-1-3 从零搭建CBAM__ev-金狮_.mp4 [68.5 MB]
14-3-1-2 BAM__ev-金狮_.mp4 [16.3 MB]
📁 📁 14-2 空间注意力
📁 📁 14-2-1 第1章 空间注意力
📁 📁 14-1 特征通道注意力
📁 📁 14-1-3 第3章 从零搭建SENet
14-1-3-1 从零搭建SENet__ev-金狮_.mp4 [38.0 MB]
📁 📁 14-1-1 第1章 注意力模型基础
14-1-1-1 注意力与注意力应用__ev-金狮_.mp4 [16.2 MB]
14-1-1-2 典型注意力分类__ev-金狮_.mp4 [8.3 MB]
📁 📁 14-1-2 第2章 特征注意力模型
14-1-2-1 SENet__ev-金狮_.mp4 [28.9 MB]
14-1-2-2 SKNet__ev-金狮_.mp4 [18.6 MB]
📁 📁 14-2 空间注意力【找it资源dbbp.net】【微 信648765304】
📁 📁 14-2-1 第1章 空间注意力
14-2-1-4 从零搭建STN__ev-金狮_.mp4 [27.1 MB]
14-2-1-2 Learn to Pay Atention__ev-金狮_.mp4 [23.7 MB]
14-2-1-3 STN__ev-金狮_.mp4 [26.8 MB]
14-2-1-1 Learn to Pay Atention__ev-金狮_.mp4 [20.5 MB]
📁 【第4周】 人工智能底层基石-三大必备AI 数学基础
📁 📁 4-3 概率论： 数据科学与AI的关键
📁 📁 4-3-1 第1章 概率论核心概念与案例
4-3-1-6 中心极限定理及 实战：中心极限定理.mp4 [9.0 MB]
4-3-1-5 大数定律及 实战：投硬币大数定律.mp4 [14.0 MB]
4-3-1-2 随机变量与案例：概率质量函数示意图.mp4 [13.3 MB]
4-3-1-4 实战：模拟常见的概率分布.mp4 [13.2 MB]
4-3-1-3 期望、方差与协方差及案例：计算期望、方差与协方差.mp4 [10.1 MB]
4-3-1-1 概率的基本概念与案例：使用python 模拟随机实验.mp4 [7.5 MB]
📁 📁 4-1 线性代数：人工智能数据基础
📁 📁 4-1-1 第1章 周课程整体介绍与安排
📁 📁 4-1-2 第2章 线性代数
📁 📁 4-2 微积分： 数学背后的AI力量
📁 📁 4-2-3 第3章 反向传播算法
📁 📁 4-2-2 第2章 链式求导
📁 📁 4-2-1 第1章 概念回顾：导数、微分、积分
📁 📁 4-1 线性代数：人工智能数据基础【找it资源dbbp.net】【微 信648765304】
📁 📁 4-1-2 第2章 线性代数
4-1-2-7 案例实战：图像的SVD分解.mp4 [19.7 MB]
4-1-2-3 案例实战：将Numpy矩阵保存成本地图像.mp4 [15.6 MB]
4-1-2-2 案例实战：创建向量、矩阵、张量.mp4 [10.0 MB]
4-1-2-5 Python实现解方程组.mp4 [17.8 MB]
4-1-2-1 线性代数基础概念：标量、向量、矩阵、张量.mp4 [5.1 MB]
4-1-2-6 特征向量与特征值实操.mp4 [13.1 MB]
4-1-2-4 案例实战：图像增强（调整对比度）.mp4 [21.9 MB]
📁 📁 4-1-1 第1章 周课程整体介绍与安排
4-1-1-1 课程整体介绍与学习安排.mp4 [32.2 MB]
📁 📁 4-2 微积分： 数学背后的AI力量【找it资源dbbp.net】【微 信648765304】
📁 📁 4-2-3 第3章 反向传播算法
4-2-3-4 案例：制作梯度下降求最小的动画.mp4 [26.3 MB]
4-2-3-3 案例：神经网络反向传播.mp4 [35.0 MB]
4-2-3-2 手推反向传播算法.pdf [227.5 KB]
4-2-3-1 反向传播算法.mp4 [23.4 MB]
4-2-3-5 案例：实现三维平面的梯度下降.mp4 [16.8 MB]
📁 📁 4-2-1 第1章 概念回顾：导数、微分、积分
4-2-1-3 微分和积分.mp4 [6.0 MB]
4-2-1-4 案例：展示二维图像切线.mp4 [15.8 MB]
4-2-1-1 导数【常用初等函数的导数和深度学习中的激活函数】.mp4 [8.8 MB]
4-2-1-5 案例：三位函数的切面.mp4 [18.5 MB]
4-2-1-2 案例：使用Python画出上述激活函数.mp4 [17.0 MB]
📁 📁 4-2-2 第2章 链式求导
4-2-2-1 链式求导法.mp4 [4.9 MB]
📁 【第6周】 神经网络 - 处理和学习复杂的数据
📁 📁 6-1 单层神经网络原理与实践【找it资源dbbp.net】【微 信648765304】
📁 📁 6-1-3 第3章 感知器与梯度反向传播
6-1-3-1 线性分类问题__ev-金狮_.mp4 [6.2 MB]
6-1-3-2 单层感知器求解__ev-金狮_.mp4 [29.8 MB]
📁 📁 6-1-2 第2章 生物神经网络原理
6-1-2-3 单层感知器&梯度下降法&学习率__ev-金狮_.mp4 [13.7 MB]
6-1-2-2 MP模型__ev-金狮_.mp4 [6.8 MB]
6-1-2-1 生物神经网络原理__ev-金狮_.mp4 [23.7 MB]
📁 📁 6-1-1 第1章 周课程整体介绍与安排
6-1-1-1 周介绍与安排.pdf [49.4 KB]
📁 📁 6-3 序列神经网络
📁 📁 6-3-1 第1章 序列预测问题与RNN模型
6-3-1-3 深层RNN模型&参数学习＆梯度问题__ev-金狮_.mp4 [24.9 MB]
6-3-1-2 循环神经网络&RNN模型&RNN内部结构单元的计算__ev-金狮_.mp4 [14.2 MB]
6-3-1-1 经典序列预测问题__ev-金狮_.mp4 [10.0 MB]
📁 📁 6-3-2 第2章 长短时记忆网络与门控循环单元
6-3-2-2 门控单元的计算__ev-金狮_.mp4 [20.5 MB]
6-3-2-1 长短时记忆网络LSTM__ev-金狮_.mp4 [34.8 MB]
6-3-2-3 门控循环单元__ev-金狮_.mp4 [10.1 MB]
📁 📁 6-2 多层神经网络原理与实践
📁 📁 6-2-1 第1章 多层感知器与反向传播算法
📁 📁 6-2-2 第2章 多层神经网络案例实践
📁 📁 6-1 单层神经网络原理与实践
📁 📁 6-1-2 第2章 生物神经网络原理
📁 📁 6-1-1 第1章 周课程整体介绍与安排
📁 📁 6-1-3 第3章 感知器与梯度反向传播
📁 📁 6-2 多层神经网络原理与实践【找it资源dbbp.net】【微 信648765304】
📁 📁 6-2-1 第1章 多层感知器与反向传播算法
6-2-1-1 多层感知器__ev-金狮_.mp4 [20.6 MB]
6-2-1-2 反向传播算法__ev-金狮_.mp4 [9.5 MB]
6-2-1-3 误差反向传播算法原理__ev-金狮_.mp4 [22.4 MB]
📁 📁 6-2-2 第2章 多层神经网络案例实践
6-2-2-1 异或问题__ev-金狮_.mp4 [8.0 MB]
6-2-2-2 多层感知器求解__ev-金狮_.mp4 [37.7 MB]
📁 【第1周】 快速搞清楚人工智能
📁 📁 1-1 人工智能发展前景与就业方向
📁 📁 1-1-2 第2章 人工智能到底是什么？
1-1-2-2 人工智能的研究方法.mp4 [22.7 MB]
1-1-2-1 什么是人工智能？.mp4 [36.3 MB]
📁 📁 1-1-4 第4章 解锁人工智能各大行业典型应用&就业方向
1-1-4-7 语音处理就业方向.mp4 [4.8 MB]
1-1-4-4 医疗看护&体育健康行业典型应用.mp4 [12.6 MB]
1-1-4-2 交通出行&安防监控行业典型应用.mp4 [18.4 MB]
1-1-4-10 推荐与搜索就业方向.mp4 [7.2 MB]
1-1-4-1 科学研究行业典型应用.mp4 [6.9 MB]
1-1-4-5 金融支付&电商零售行业典型应用.mp4 [9.0 MB]
1-1-4-6 智能制造&养殖护理行业典型应用.mp4 [11.6 MB]
1-1-4-9 自然语言处理就业方向.mp4 [5.1 MB]
1-1-4-3 娱乐生活&教育学习行业典型应用.mp4 [13.8 MB]
1-1-4-8 计算机视觉就业方向.mp4 [7.5 MB]
📁 📁 1-1-1 第1章 课程全面解析
1-1-1-1 快速了解课程--带你避坑（12.4开课）.mp4 [54.5 MB]
📁 📁 1-1-3 第3章 人工智能发展背后的历史
1-1-3-4 为什么当下人工智能得以快速发展.mp4 [34.4 MB]
1-1-3-1 人工智能第一次浪潮.mp4 [28.0 MB]
1-1-3-2 人工智能第二次浪潮.mp4 [28.4 MB]
1-1-3-3 人工智能第三次浪潮.mp4 [36.3 MB]
📁 【第12周】 CNN图像处理模型
📁 📁 12-3 残差模型理论与实战
📁 📁 12-3-1 第1章 残差模型理论与实战
12-3-1-1 ResNet__ev-金狮_.mp4 [26.6 MB]
12-3-1-2 DenseNet__ev-金狮_.mp4 [20.3 MB]
12-3-1-4 从零搭建ResNet （2）__ev-金狮_.mp4 [86.1 MB]
12-3-1-3 从零搭建ResNet（1）__ev-金狮_.mp4 [55.5 MB]
📁 📁 12-1 简单链式模型理论与实战
📁 📁 12-1-1 第1章 简单链式模型理论与实战
📁 📁 12-1 简单链式模型理论与实战【找it资源dbbp.net】【微 信648765304】
📁 📁 12-1-1 第1章 简单链式模型理论与实战
12-1-1-1 AlexNet模型__ev-金狮_.mp4 [21.4 MB]
12-1-1-2 AlexNet工程技巧__ev-金狮_.mp4 [35.1 MB]
12-1-1-4 VGGNet 实验结果__ev-金狮_.mp4 [27.4 MB]
12-1-1-3 VGGNet模型__ev-金狮_.mp4 [14.7 MB]
12-1-1-5 从零搭建VGGNet__ev-金狮_.mp4 [42.2 MB]
📁 📁 12-2 多分支模型理论与实战
📁 📁 12-2-1 第1章 多分支模型理论与实战
12-2-1-4 从零搭建GoogLeNet（2）__ev-金狮_.mp4 [61.1 MB]
12-2-1-1 卷积__ev-金狮_.mp4 [13.4 MB]
12-2-1-3 从零搭建GoogLeNet（1）__ev-金狮_.mp4 [8.8 MB]
12-2-1-2 GoogLeNet__ev-金狮_.mp4 [22.2 MB]
📁 【第10周】 PyTorch数据处理与网络模型构建
📁 📁 10-2 数据集加载与应用【找it资源dbbp.net】【微 信648765304】
📁 📁 10-2-1 第1章 Dataset与Dataloader
10-2-1-5 案例4：加载官方数据集__ev-金狮_.mp4 [15.5 MB]
10-2-1-4 案例3：导入图像数据集到Dataset__ev-金狮_.mp4 [51.8 MB]
10-2-1-3 案例2：导入Excel数据到Dataset中__ev-金狮_.mp4 [28.1 MB]
10-2-1-2 案例1：导入两个列表到Dataset__ev-金狮_.mp4 [34.3 MB]
10-2-1-1 Dataset与Dataloader概念与定义__ev-金狮_.mp4 [7.3 MB]
📁 📁 10-2-2 第2章 数据增强与转换
10-2-2-2 概率控制的转换__ev-金狮_.mp4 [25.2 MB]
10-2-2-3 随机转换__ev-金狮_.mp4 [15.6 MB]
10-2-2-4 综合案例：图像增强__ev-金狮_.mp4 [73.3 MB]
10-2-2-1 固定转换__ev-金狮_.mp4 [7.9 MB]
10-2 数据集加载与应用【找it资源dbbp.net】【微 信648765304】说明.zip [1.8 MB]
📁 📁 10-3 网络模型搭建实战
📁 📁 10-3-1 第1章 网络模型搭建实战
10-3-1-2 神经网络中常见的各种层__ev-金狮_.mp4 [39.5 MB]
10-3-1-7 综合案例4：搭建卷积+全连接的网络结构__ev-金狮_.mp4 [21.9 MB]
10-3-1-9 综合案例5：复现LeNet__ev-金狮.mp4 [31.3 MB]
10-3-1-5 模型搭建（卷积层）__ev-金狮_.mp4 [10.0 MB]
10-3-1-2 神经网络中常见的各种层__ev-金狮.mp4 [39.5 MB]
10-3-1-8 模型搭建（池化层和BN层）__ev-金狮.mp4 [6.1 MB]
10-3-1-1 神经网络的模板__ev-金狮.mp4 [14.3 MB]
10-3-1-5 模型搭建（卷积层）__ev-金狮.mp4 [10.0 MB]
10-3-1-4 综合案例2：全连接网络处理二维图像__ev-金狮_.mp4 [15.3 MB]
10-3-1-3 综合案例1：全连接网络处理一维信息__ev-金狮.mp4 [31.2 MB]
10-3-1-4 综合案例2：全连接网络处理二维图像__ev-金狮.mp4 [15.3 MB]
10-3-1-10 Sequential 顺序容器&综合案例6：搭建完整的__ev-金狮.mp4 [63.5 MB]
10-3-1-9 综合案例5：复现LeNet__ev-金狮_.mp4 [31.3 MB]
10-3-1-1 神经网络的模板__ev-金狮_.mp4 [14.3 MB]
10-3-1-6 综合案例3：搭建全卷积网络结构__ev-金狮_.mp4 [22.5 MB]
10-3-1-7 综合案例4：搭建卷积+全连接的网络结构__ev-金狮.mp4 [21.9 MB]
10-3-1-6 综合案例3：搭建全卷积网络结构__ev-金狮.mp4 [22.5 MB]
10-3-1-10 Sequential 顺序容器&综合案例6：搭建完整的__ev-金狮_.mp4 [63.5 MB]
10-3-1-8 模型搭建（池化层和BN层）__ev-金狮_.mp4 [6.1 MB]
10-3-1-3 综合案例1：全连接网络处理一维信息__ev-金狮_.mp4 [31.2 MB]
📁 📁 10-1 PyTorch入门与应用
📁 📁 10-1-2 第2章 安装PyTorch
📁 📁 10-1-3 第3章 Tensor的操作
📁 📁 10-1-1 第1章 周课程整体介绍与安排
📁 📁 10-2 数据集加载与应用
📁 📁 10-2-1 第1章 Dataset与Dataloader
📁 📁 10-2-2 第2章 数据增强与转换
📁 📁 10-1 PyTorch入门与应用【找it资源dbbp.net】【微 信648765304】
📁 📁 10-1-3 第3章 Tensor的操作
10-1-3-2 Tensor实操__ev-金狮_.mp4 [23.5 MB]
10-1-3-4 Tensor数据转换__ev-金狮_.mp4 [7.5 MB]
10-1-3-3 Tensor运算：索引&算数运算&拼接__ev-金狮_.mp4 [16.8 MB]
10-1-3-5 综合案例：PyTorch处理图片__ev-金狮_.mp4 [20.7 MB]
10-1-3-1 定义Tensor__ev-金狮_.mp4 [16.9 MB]
📁 📁 10-1-1 第1章 周课程整体介绍与安排
10-1-1-1 PyTorch数据处理与网络模型构建.pdf [52.2 KB]
📁 📁 10-1-2 第2章 安装PyTorch
10-1-2-2 更新Nvidia显卡驱动和安装CUDA&CUDNN&P__ev-金狮_.mp4 [43.4 MB]
10-1-2-1 安装PyTorch__ev-金狮_.mp4 [13.6 MB]
📁 【第19周】 【医疗与直播领域】图像分割技术与项目实战
📁 📁 19-2 实践：基于UNet的人脸语义分割
📁 📁 19-2-1 第1章 基于UNet的人脸语义分割实战
📁 📁 19-2 实践：基于UNet的人脸语义分割【找it资源dbbp.net】【微 信648765304】
📁 📁 19-2-1 第1章 基于UNet的人脸语义分割实战
19-2-1-4 基于UNet的人脸语义分割实战4-模型训练__ev-金狮_.mp4 [46.7 MB]
19-2-1-3 基于UNet的人脸语义分割实战3-模型搭建__ev-金狮_.mp4 [59.6 MB]
19-2-1-1 基于UNet的人脸语义分割实战1-项目介绍__ev-金狮_.mp4 [9.0 MB]
19-2-1-2 基于UNet的人脸语义分割实战2-数据处理__ev-金狮_.mp4 [76.5 MB]
19-2-1-5 基于UNet的人脸语义分割实战5-模型测试__ev-金狮_.mp4 [32.1 MB]
📁 📁 19-1 图像分割基础与模型
📁 📁 19-1-3 第3章 语义分割的关键技术改进
19-1-3-3 多尺度特征__ev-金狮_.mp4 [19.3 MB]
19-1-3-2 感受野提升__ev-金狮_.mp4 [20.0 MB]
19-1-3-1 语义分割的关键难题__ev-金狮_.mp4 [13.5 MB]
📁 📁 19-1-2 第2章 经典语义分割模型
19-1-2-2 SegNet__ev-金狮_.mp4 [13.8 MB]
19-1-2-1 FCN__ev-金狮_.mp4 [29.7 MB]
19-1-2-3 UNet__ev-金狮_.mp4 [15.8 MB]
📁 📁 19-1-1 第1章 图像分割基础
19-1-1-2 经典数据集__ev-金狮_.mp4 [9.5 MB]
19-1-1-4 上采样方法__ev-金狮_.mp4 [32.7 MB]
19-1-1-3 评估直播和优化目标__ev-金狮_.mp4 [18.8 MB]
19-1-1-1 图像分割问题__ev-金狮_.mp4 [16.6 MB]
📁 【第15周】 Transformer模型
📁 📁 15-1 Transformer 原理与实现【找it资源dbbp.net】【微 信648765304】
📁 📁 15-1-3 第3章 从零搭建Transformer
15-1-3-5 零搭建Transformer （第9步构建完整网络）__ev-金狮_.mp4 [54.0 MB]
15-1-3-3 从零搭建Transformer （第7步定义DECODE__ev-金狮_.mp4 [21.9 MB]
15-1-3-2 从零搭建Transformer （5~6步）__ev-金狮_.mp4 [75.3 MB]
15-1-3-4 零搭建Transformer （第8步输入数据）__ev-金狮_.mp4 [26.8 MB]
15-1-3-1 从零搭建Transformer （1~4步）__ev-金狮_.mp4 [53.0 MB]
📁 📁 15-1-1 第1章 自注意力机制
15-1-1-1 自注意力背景（一）__ev-金狮_.mp4 [16.0 MB]
15-1-1-2 自注意力背景（二）__ev-金狮_.mp4 [15.7 MB]
15-1-1-3 自注意力实现__ev-金狮_.mp4 [33.8 MB]
📁 📁 15-1-2 第2章 Transformer模型
15-1-2-1 整体模型结构__ev-金狮_.mp4 [6.0 MB]
15-1-2-2 编码器模型__ev-金狮_.mp4 [10.2 MB]
15-1-2-3 解码器模块__ev-金狮_.mp4 [25.9 MB]
15-1-2-4 输入输出模块__ev-金狮_.mp4 [38.8 MB]
📁 📁 15-1 Transformer 原理与实现
📁 📁 15-1-2 第2章 Transformer模型
📁 📁 15-1-3 第3章 从零搭建Transformer
📁 📁 15-1-1 第1章 自注意力机制
📁 【第17周】【视觉领域】图像分类技术与项目实战
📁 📁 17-2 多标签分类与实战：生活用品多标签分类【找it资源dbbp.net】【微 信648765304】
📁 📁 17-2-1 第1章 多标签图像分类模型
17-2-1-2 多标签分类模型__ev-金狮_.mp4 [39.5 MB]
17-2-1-1 多标签图像分类__ev-金狮_.mp4 [17.3 MB]
📁 📁 17-2-2 第2章 实战：生活用品多标签分类
17-2-2-5 生活用品多标签分类实战：模型测试__ev-金狮_.mp4 [47.8 MB]
17-2-2-2 生活用品多标签分类实战：数据准备与读取__ev-金狮_.mp4 [51.1 MB]
17-2-2-1 生活用品多标签分类实战：数据集介绍__ev-金狮_.mp4 [30.8 MB]
17-2-2-4 生活用品多标签分类实战：模型搭建与训练__ev-金狮_.mp4 [120.2 MB]
17-2-2-3 生活用品多标签分类实战：数据准备与读取（2）__ev-金狮_.mp4 [58.5 MB]
📁 📁 17-1 图像分类基础与实践：安防监控人脸表情识别
📁 📁 17-1-2 第2章 人脸表情识别实战
📁 📁 17-1-1 第1章 图像分类基础与模型
📁 📁 17-1 图像分类基础与实践：安防监控人脸表情识别【找it资源dbbp.net】【微 信648765304】
📁 📁 17-1-2 第2章 人脸表情识别实战
17-1-2-10 人脸表情识别实战3-模型搭建与训练-2__ev-金狮_.mp4 [81.1 MB]
17-1-2-4 人脸表情识别实战2：实战第一步-去除损坏图片，类型与命名__ev-金狮_.mp4 [42.2 MB]
17-1-2-6 人脸表情识别实战2：实战第三步-检测人脸关键部位__ev-金狮_.mp4 [79.2 MB]
17-1-2-9 人脸表情识别实战3-模型搭建与训练-1__ev-金狮_.mp4 [54.6 MB]
17-1-2-3 人脸表情识别实战2：数据预处理与读取__ev-金狮_.mp4 [33.9 MB]
17-1-2-2 人脸表情识别实战2：获取表情图像__ev-金狮_.mp4 [10.2 MB]
17-1-2-7 人脸表情识别实战2：实战第四五步-按格式整理图片路径&训__ev-金狮_.mp4 [20.1 MB]
17-1-2-5 人脸表情识别实战2：实战第二步-筛选符合人脸需求的图片__ev-金狮_.mp4 [17.2 MB]
17-1-2-8 人脸表情识别实战2：实战第六步-图片数据读取__ev-金狮_.mp4 [40.1 MB]
17-1-2-11 人脸表情识别实战4-模型测试-3__ev-金狮_.mp4 [61.0 MB]
17-1-2-1 人脸表情识别实战1-项目背景__ev-金狮_.mp4 [16.2 MB]
📁 📁 17-1-1 第1章 图像分类基础与模型
17-1-1-1 图像分类基础__ev-金狮_.mp4 [49.2 MB]
📁 📁 17-2 多标签分类与实战：生活用品多标签分类
📁 📁 17-2-2 第2章 实战：生活用品多标签分类
📁 📁 17-2-1 第1章 多标签图像分类模型
📁 【第20周 】【视频分析领域-火热领域】视频分类技术与项目实战
📁 📁 20-2 实战：3DCNN视频分类实战
📁 📁 20-2-1 第1章 3DCNN视频分类实战
20-2-1-2 3DCNN视频分类实战2-数据处理与读取（1）__ev-金狮_.mp4 [77.6 MB]
20-2-1-4 3DCNN视频分类实战3-模型搭建（C3D_model）__ev-金狮_.mp4 [47.6 MB]
20-2-1-6 3DCNN视频分类实战3-模型搭建（R3D_model）__ev-金狮_.mp4 [86.5 MB]
20-2-1-1 3DCNN视频分类实战1-项目介绍__ev-金狮_.mp4 [9.4 MB]
20-2-1-3 3DCNN视频分类实战2-数据处理与读取（2）__ev-金狮_.mp4 [80.5 MB]
20-2-1-8 3DCNN视频分类实战5-模型测试__ev-金狮_.mp4 [114.9 MB]
20-2-1-7 3DCNN视频分类实战4-模型训练__ev-金狮_.mp4 [83.6 MB]
20-2-1-5 3DCNN视频分类实战3-模型搭建（R2Plus_mod__ev-金狮_.mp4 [74.8 MB]
📁 📁 20-1 视频分类与行为识别基础
📁 📁 20-1-3 第3章 双流模型
20-1-3-1 双流模型__ev-金狮_.mp4 [26.7 MB]
20-1-3-2 三维双流模型__ev-金狮_.mp4 [18.2 MB]
📁 📁 20-1-1 第1章 视频分类基础
20-1-1-2 经典数据库__ev-金狮_.mp4 [29.8 MB]
20-1-1-1 视频分类问题__ev-金狮_.mp4 [16.1 MB]
📁 📁 20-1-2 第2章 三维卷积模型
20-1-2-1 深度三位卷积模型__ev-金狮_.mp4 [28.2 MB]
20-1-2-2 混合三维卷积模型__ev-金狮_.mp4 [22.1 MB]
📁 【第9周】 数据获取、整理与应用 - 构建数据之源，驱动智能决策
📁 📁 9-1 数据获取与整理：构建可靠数据
📁 📁 9-1-3 第3章 数据整理：对数据进行整理、清洗和去噪
9-1-3-1 数据检查与清洗__ev-金狮_.mp4 [12.3 MB]
9-1-3-3 数据集划分__ev-金狮_.mp4 [13.1 MB]
9-1-3-2 数据去重__ev-金狮_.mp4 [7.9 MB]
📁 📁 9-1-2 第2章 数据获取：图像和视频数据爬取
9-1-2-3 视频网站爬虫__ev-金狮_.mp4 [10.5 MB]
9-1-2-1 四种常见数据获取方法__ev-金狮_.mp4 [16.4 MB]
9-1-2-2 搜索引擎图片爬虫__ev-金狮_.mp4 [14.2 MB]
📁 📁 9-1-4 第4章 数据标注：工具与使用
9-1-4-2 数据标注工具Label Studio__ev-金狮_.mp4 [11.5 MB]
9-1-4-3 视觉任务标注（目标检测标注）__ev-金狮_.mp4 [23.4 MB]
9-1-4-1 数据标注概述__ev-金狮_.mp4 [6.9 MB]
9-1-4-4 语言任务标注案例（命名实体识别标注）__ev-金狮_.mp4 [16.7 MB]
📁 📁 9-1-1 第1章 周课程整体介绍与安排
9-1-1-1 周课程整体介绍与安排.pdf [46.0 KB]
📁 📁 9-2 数据增强方法与实践
📁 📁 9-2-2 第2章 数据增强库imgaug实践
9-2-2-3 数据增强库imgaug使用__ev-金狮_.mp4 [33.8 MB]
9-2-2-2 数据增强库imgaug操作__ev-金狮_.mp4 [27.8 MB]
9-2-2-1 什么是数据增强库imgaug__ev-金狮_.mp4 [8.3 MB]
📁 📁 9-2-1 第1章 数据增强
9-2-1-4 样本生成方法__ev-金狮_.mp4 [5.8 MB]
9-2-1-2 单样本数据增强方法__ev-金狮_.mp4 [32.9 MB]
9-2-1-1 什么是数据增强__ev-金狮_.mp4 [14.5 MB]
9-2-1-3 多样本数据增强方法__ev-金狮_.mp4 [13.9 MB]
📁 【第7周】 卷积神经网络（CNN）-处理具有网格结构数据的任务
📁 📁 7-2 典型卷积神经网络模型
📁 📁 7-2-1 第1章 卷积与池化反向传播
📁 📁 7-2-2 第2章 典型卷积神经网络模型
📁 📁 7-2 典型卷积神经网络模型【找it资源dbbp.net】【微 信648765304】
📁 📁 7-2-1 第1章 卷积与池化反向传播
7-2-1-3 池化误差反向传播算法与案例__ev-金狮_.mp4 [7.6 MB]
7-2-1-1 误差反向传播算法__ev-金狮_.mp4 [5.7 MB]
7-2-1-2 卷积误差反向传播算法__ev-金狮_.mp4 [24.3 MB]
📁 📁 7-2-2 第2章 典型卷积神经网络模型
7-2-2-1 卷积神经网络模块&全连接模块__ev-金狮_.mp4 [7.6 MB]
7-2-2-2 LeNets5网络__ev-金狮_.mp4 [32.8 MB]
📁 📁 7-1 卷积神经网络基础
📁 📁 7-1-3 第3章 卷积与全连接的比较
7-1-3-2 卷积核心思想（局部连接）__ev-金狮_.mp4 [12.5 MB]
7-1-3-1 全连接的局限性（参数量有效性&特征表达能力）__ev-金狮_.mp4 [11.0 MB]
7-1-3-3 卷积核心思想（权重共享&ANN与CNN比较）__ev-金狮_.mp4 [14.7 MB]
📁 📁 7-1-1 第1章 周课程整体介绍与安排
7-1-1-1 周课程整体介绍与安排.pdf [45.8 KB]
📁 📁 7-1-2 第2章 卷积神经网络基础
7-1-2-1 什么是卷积&单个二维图片卷积__ev-金狮_.mp4 [6.8 MB]
7-1-2-3 卷积相关操作与参数（填充&步长&大小计算）__ev-金狮_.mp4 [15.1 MB]
7-1-2-4 卷积相关操作与参数（池化&感受野）__ev-金狮_.mp4 [8.5 MB]
7-1-2-2 多通道卷积__ev-金狮_.mp4 [11.5 MB]适合人群
- AI算法工程师
- 深度学习爱好者
- 计算机视觉从业者
🎯 学习收获
- 掌握Vision Transformer模型原理
- 搭建并优化ViT模型
- 提升Python编程能力
🎉 祝您学习愉快！