|
|
图像识别理论与实战
〖课程目录〗:
万门大学 图像识别理论与实战 [21.3G]
┣━━第 1 讲开篇 [131.9M]
┃ ┣━━1.1课程与讲师介绍.ts [44.1M]
┃ ┣━━1.2为什么要学习人工智能.ts [85.3M]
┃ ┗━━宣传片.ts [2.5M]
┣━━第 2 讲TensorFlow初体验 [643.2M]
┃ ┣━━2.10读取MNIST手写数据（三）.ts [53.6M]
┃ ┣━━2.11线性回归模型.ts [39.1M]
┃ ┣━━2.12深度神经网络模型.ts [25.4M]
┃ ┣━━2.1监督学习.ts [61.6M]
┃ ┣━━2.2为什么使用TensorFlow.ts [35.9M]
┃ ┣━━2.3安装Python.ts [46.5M]
┃ ┣━━2.4安装Virtualenv.ts [32.6M]
┃ ┣━━2.5安装Tenserflow（非GPU版本）.ts [47.6M]
┃ ┣━━2.6Hello world.ts [41.2M]
┃ ┣━━2.7MNIST手写数据集.ts [110.4M]
┃ ┣━━2.8读取MNIST手写数据（一）.ts [61.1M]
┃ ┗━━2.9读取MNIST手写数据（二）.ts [88.5M]
┣━━第 3 讲深度机器学习（上） [736.7M]
┃ ┣━━3.10第一次人工智能浪潮（一）.ts [43.6M]
┃ ┣━━3.11第一次人工智能浪潮（二）.ts [36.8M]
┃ ┣━━3.12第一次人工智能浪潮（三）.ts [39.5M]
┃ ┣━━3.13第二次人工智能浪潮.ts [52.7M]
┃ ┣━━3.14第三次人工智能浪潮.ts [34.8M]
┃ ┣━━3.15深度学习知识点.ts [24.4M]
┃ ┣━━3.16神经元.ts [57.6M]
┃ ┣━━3.17感知器.ts [61.5M]
┃ ┣━━3.18人工神经网络.ts [20.1M]
┃ ┣━━3.1转型算法工程师：知识体一）.ts [44.6M]
┃ ┣━━3.2转型算法工程师：知识体系（二）.ts [33M]
┃ ┣━━3.3转型算法工程师：知识体系（三）.ts [43.4M]
┃ ┣━━3.4转型算法工程师：知识体系（四）.ts [17.8M]
┃ ┣━━3.5转型算法工程师：实战经验.ts [60.4M]
┃ ┣━━3.6转型算法工程师：认知水平.ts [26.7M]
┃ ┣━━3.7为什么学习图像识别（一），图像识别理论与实战_万门_大学.ts [49.8M]
┃ ┣━━3.8为什么学习图像识别（二）.ts [57.6M]
┃ ┗━━3.9课程大纲.ts [32.4M]
┣━━第 4 讲深度机器学习（下） [1.1G]
┃ ┣━━4.10冲量梯度下降.ts [43M]
┃ ┣━━4.11牛顿：拉普森算法.ts [29.3M]
┃ ┣━━4.12牛顿法.ts [17M]
┃ ┣━━4.13链式求导（一）.ts [77.4M]
┃ ┣━━4.14链式求导（二）_万门_大学.ts [50.4M]
┃ ┣━━4.15链式求导练习.ts [107M]
┃ ┣━━4.16学习率.ts [27.4M]
┃ ┣━━4.17梯度消失与梯度爆炸.ts [60M]
┃ ┣━━4.18凸函数和凸优化.ts [39.1M]
┃ ┣━━4.19总结.ts [29.1M]
┃ ┣━━4.1监督学习与前向运算.ts [45M]
┃ ┣━━4.2前向运算举例.ts [120.1M]
┃ ┣━━4.3神经网络如何解决二分问题.ts [87.4M]
┃ ┣━━4.4矩阵乘法的几何意义.ts [58.2M]
┃ ┣━━4.5矩阵乘法的几何意义（二）.ts [86.8M]
┃ ┣━━4.6隐层神经元数量的作用.ts [60.9M]
┃ ┣━━4.7反向传播.ts [37.3M]
┃ ┣━━4.8梯度下降（一）.ts [46.3M]
┃ ┗━━4.9梯度下降（二）.ts [60.7M]
┣━━第 5 讲卷积神经网络（上） [863.2M]
┃ ┣━━5.10为什么使用卷积.ts [46.1M]
┃ ┣━━5.11步长.ts [33.5M]
┃ ┣━━5.12考虑步长后的计算量估计（一）.ts [56.6M]
┃ ┣━━5.13考虑步长后的计算量估计（二）.ts [28.4M]
┃ ┣━━5.14Padding.ts [42.2M]
┃ ┣━━5.15减少参数增大感受野的方法.ts [20.4M]
┃ ┣━━5.16TensorFlow定义卷积.ts [30.4M]
┃ ┣━━5.17池化层.ts [60.4M]
┃ ┣━━5.18激活函数（一）.ts [31.7M]
┃ ┣━━5.19激活函数（二）.ts [63.8M]
┃ ┣━━5.1大纲.ts [42.9M]
┃ ┣━━5.2卷积层（一）.ts [76.3M]
┃ ┣━━5.3卷积层（二）.ts [64.9M]
┃ ┣━━5.4卷积运算.ts [25.5M]
┃ ┣━━5.5卷积核（一）_万门_大学.ts [55.3M]
┃ ┣━━5.6卷积核（二）.ts [81.4M]
┃ ┣━━5.7多通道神经网络输入.ts [17.9M]
┃ ┣━━5.8卷积核的重要参数.ts [58.6M]
┃ ┗━━5.9权值共享.ts [26.9M]
┣━━第 6 讲卷积神经网络（下） [994.6M]
┃ ┣━━6.10ZFNet.ts [42.9M]
┃ ┣━━6.11VGGNet.ts [32M]
┃ ┣━━6.12GoogLeNet-Inception（一）.ts [35.6M]
┃ ┣━━6.13GoogLeNet-Inception（二）.ts [102.4M]
┃ ┣━━6.14GoogLeNet-Inception（三）.ts [24M]
┃ ┣━━6.15GoogLeNet-Inception（四）.ts [13.2M]
┃ ┣━━6.16如何减少网络计算量.ts [9.1M]
┃ ┣━━6.17ResNet（一）.ts [33.4M]
┃ ┣━━6.18ResNet（二）.ts [47.4M]
┃ ┣━━6.19轻量级神经网络.ts [26.4M]
┃ ┣━━6.1BatchNorm层.ts [40.9M]
┃ ┣━━6.20SqueezeNet.ts [15.7M]
┃ ┣━━6.21MobileNet（一）.ts [90.1M]
┃ ┣━━6.22MobileNet（二）_万门_大学.ts [23.4M]
┃ ┣━━6.23ShuffleNet.ts [52M]
┃ ┣━━6.24Xception.ts [10.6M]
┃ ┣━━6.25从学院派到工程派.ts [36.5M]
┃ ┣━━6.2全连接层.ts [27.6M]
┃ ┣━━6.3Dropout层.ts [42.2M]
┃ ┣━━6.4损失层（一）.ts [28.7M]
┃ ┣━━6.5损失层（二）.ts [55.5M]
┃ ┣━━6.6损失层（三）.ts [72.3M]
┃ ┣━━6.7损失层（四）.ts [18.5M]
┃ ┣━━6.8LeNet.ts [42M]
┃ ┗━━6.9AlexNet.ts [72M]
┣━━第 7 讲TensorFlow基础 [610.4M]
┃ ┣━━7.1从学院派到工程派.ts [73.3M]
┃ ┣━━7.2TensorFlow1.0讲解（一）.ts [67.5M]
┃ ┣━━7.3TensorFlow1.0讲解（二）_万门_大学.ts [85.3M]
┃ ┣━━7.4TensorFlow1.0讲解（三）.ts [68M]
┃ ┣━━7.5TensorFlow1.0讲解（四）.ts [110M]
┃ ┣━━7.6安装GPU版本的TensorFlow2.0.ts [25M]
┃ ┣━━7.7TensorFlow2.0讲解（一）.ts [86.6M]
┃ ┗━━7.8TensorFlow2.0讲解（二）.ts [94.8M]
┣━━第 8 讲图像分类实战 [322.2M]
┃ ┣━━8.1Slim.ts [72.8M]
┃ ┣━━8.2Slim准备Cifar10数据.ts [59.3M]
┃ ┣━━8.3Cifarnet训练.ts [77M]
┃ ┣━━8.4Cifarnet测试.ts [13.4M]
┃ ┣━━8.5Resnet_v1_50训练Cifar10（一）.ts [64M]
┃ ┗━━8.6Resnet_v1_50训练Cifar10（二）.ts [35.7M]
┣━━第 9 讲人脸识别实战 [801.9M]
┃ ┣━━9.10SSD环境准备.ts [72.6M]
┃ ┣━━9.11WIDERFACE数据准备（一）.ts [62.3M]
┃ ┣━━9.12WIDERFACE数据准备（二）.ts [45.7M]
┃ ┣━━9.13训练（一）.ts [53.6M]
┃ ┣━━9.14训练（二）.ts [51.2M]
┃ ┣━━9.15评估与使用.ts [28.5M]
┃ ┣━━9.1业务场景（一）.ts [63.5M]
┃ ┣━━9.2业务场景（二）.ts [35.5M]
┃ ┣━━9.3人脸识别流程_万门_大学.ts [49.1M]
┃ ┣━━9.4人脸的标注方法.ts [12M]
┃ ┣━━9.5评价指标（一）.ts [71.1M]
┃ ┣━━9.6评价指标（二）.ts [77M]
┃ ┣━━9.7人脸检测算法.ts [15.2M]
┃ ┣━━9.8SSD（一）.ts [76.1M]
┃ ┗━━9.9SSD（二）.ts [88.5M]
┣━━文档 [15.2G]
┃ ┣━━图像识别理论与实战1-2讲.pdf [10.1M]
┃ ┣━━图像识别理论与实战3-4讲.pdf [1M]
┃ ┣━━图像识别理论与实战5讲.pdf [928.4K]
┃ ┣━━图像识别理论与实战6讲.pdf [2.4M]
┃ ┣━━图像识别理论与实战7讲.pdf [559.5K]
┃ ┣━━图像识别理论与实战8-9讲.pdf [2.8M]
┃ ┗━━Code.rar [15.2G]
〖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免学币下载全站资源〗:
全站资源高清无密，每天更新，vip特权了解一下：
〖客服24小时咨询〗:
有任何问题，请点击左侧QQ咨询。 |
|
发表于 2021-1-5 10:35:58
发表于 2021-2-12 17:05:36
发表于 2021-3-11 04:38:08
发表于 2021-3-31 18:54:07
