Python+AI 人脸识别Python人工智能【完结】

├──1-1 深度学习基础
| ├──1.深度学习介绍
| | └──1.深度学习介绍
| ├──2.神经网络基础
| | └──2.神经网络基础
| ├──3.浅层神经网络
| | └──3.浅层神经网络
| └──4.深层神经网络
| | └──4.深层神经网络
├──1-10 图片商品物体检测项目第三阶段-项目实现与部署
| ├──1.项目架构
| | └──1.项目架构
| ├──10.TFServing客户端
| | └──10.TFServing客户端
| ├──11.服务器部署
| | └──11.服务器部署
| ├──2.数据接口实现
| | └──2.数据接口实现
| ├──3.模型接口实现
| | └──3.模型接口实现
| ├──4.预处理接口实现
| | └──4.预处理接口实现
| ├──5.训练过程实现
| | └──5.训练过程实现
| ├──6.测试过程实现
| | └──6.测试过程实现
| ├──7.模型部署介绍
| | └──7.模型部署介绍
| ├──8.导出模型
| | └──8.导出模型
| └──9.打开模型服务
| | └──9.打开模型服务
├──1-2 深度学习优化进阶
| ├──1.多分类
| | └──1.多分类
| ├──2.梯度下降算法优化
| | └──2.梯度下降算法优化
| ├──3.深度学习正则化
| | └──3.深度学习正则化
| └──4.神经网络调参与BN
| | └──4.神经网络调参与BN
├──1-3 卷积神经网络
| ├──1.卷积网络原理
| | └──1.卷积网络原理
| ├──2.经典分类结构
| | └──2.经典分类结构
| └──3.CNN实战
├──1-4 循环神经网络
| ├──1.循环神经网络
| | └──1.循环神经网络
| ├──2.词嵌入
| | └──2.词嵌入
| └──3.seq2seq与Attention机制
| | └──3.seq2seq与Attention机制
├──1-5 高级主题
| ├──1.生产对抗网络
| | └──1.生产对抗网络
| ├──2.自动编码器
| | └──2.自动编码器
| └──3.CapsuleNet
| | └──3.CapsuleNet
├──1-6 百度人脸识别
| ├──1.平台介绍
| | └──1.平台介绍
| ├──2.图像技术之人脸识别
| | └──2.图像技术之人脸识别
| ├──3.图像技术之图像识别
| | └──3.图像技术之图像识别
| ├──4.图像技术之文字识别
| | └──4.图像技术之文字识别
| ├──5.语音技术
| | └──5.语音技术
| ├──6.自然语言处理
| | └──6.自然语言处理
| └──7.人脸识别打卡案例
| | └──7.人脸识别打卡案例
├──1-7 自然语言处理
| ├──1.自然语言处理基础概念
| | └──1.自然语言处理基础概念
| ├──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
| ├──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
| ├──4.自然语言处理核心部分
| | └──4.自然语言处理核心部分
| └──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
├──1-8 图片商品物体检测项目第一阶段-检测算法原理
| ├──1.目标检测概述
| | └──1.目标检测概述
| ├──2.RCNN原理
| | └──2.RCNN原理
| ├──3.SPPNet原理
| | └──3.SPPNet原理
| ├──4.FastRCNN原理
| | └──4.FastRCNN原理
| ├──5.FasterRCNN原理
| | └──5.FasterRCNN原理
| ├──6.YOLO原理
| | └──6.YOLO原理
| └──7.SSD原理
| | └──7.SSD原理
└──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
| ├──2.数据集格式转换
| | └──2.数据集格式转换
| └──3.TFRecords读取
| | └──3.TFRecords读取