《深度学习：从入门到精通：基于Keras》

学到深度学习理论，更能通过案例学习能提升代码动手能力，能将所学知识迁移到自己实际工作

*   01 深度学习基础/

  *   01 课程介绍.mp4 (19.16 MB), 06:53

  *   02 神经网络基础介绍.mp4 (8.91 MB), 02:20

  *   03 神经元结构讲解.mp4 (36.37 MB), 08:13

  *   04 用python实现神经元demo.mp4 (40.54 MB), 10:56

  *   05 激活函数概述.mp4 (36.25 MB), 09:04

  *   06 激活函数的Tensorflow实现1.mp4 (37.71 MB), 10:32

  *   07 激活函数的Tensorflow实现2.mp4 (55.50 MB), 12:32

  *   08 神经网络的拓扑架构.mp4 (15.24 MB), 03:41

  *   09 常用深度学习模型介绍.mp4 (24.32 MB), 06:32

  *   10 深度学习框架.mp4 (14.11 MB), 03:46

  *   11 Tensorflow GPU版本所需的硬件环境准备.mp4 (47.34 MB), 09:40

  *   12 Anaconda安装.mp4 (76.55 MB), 17:08

  *   13 conda常用命令操作的用法.mp4 (50.60 MB), 11:54

  *   14 Tensorflow的安装及查看（CPU、GPU版）.mp4 (39.17 MB), 07:22

  *   15 Tensor数据类型及创建函数介绍.mp4 (47.05 MB), 10:41

  *   16 Tensor数据类型及创建函数案例演示.mp4 (74.32 MB), 18:30

  *   17 Tensorlow其他常用函数及数学运算.mp4 (64.21 MB), 15:38

  *   18 tf.data.Dataset对象简介.mp4 (44.12 MB), 10:04

  *   19 tf.GradientTape讲解.mp4 (55.44 MB), 12:58

  *   20 tf.one_hot和tf.argmax函数讲解.mp4 (23.10 MB), 05:27

  *   21 MNIST数据集概述及加载.mp4 (62.07 MB), 13:22

  *   22 MNIST数据预处理.mp4 (39.13 MB), 09:00

  *   23 构建及编译模型.mp4 (28.54 MB), 07:05

  *   24 构建及编译模型代码实现.mp4 (19.09 MB), 04:43

  *   25 模型训练及代码实现.mp4 (60.02 MB), 11:34

  *   26 将数据转换为tf.data.Dataset再训练模型.mp4 (20.25 MB), 04:31

  *   27 另一种方式，使用 tf.GradientTape 来训练模型.mp4 (77.26 MB), 15:29

  *   28 课后习题讲解.mp4 (16.02 MB), 03:39

*   02 深度学习的数据预处理技术/

  *   01 课程内容介绍.mp4 (10.94 MB), 03:56

  *   02 数据预处理技术.mp4 (70.39 MB), 17:27

  *   03 读取、显示和保存图像1.mp4 (32.72 MB), 06:40

  *   04 读取、显示和保存图像2.mp4 (59.94 MB), 11:42

  *   05 图像像素的获取和编辑.mp4 (48.98 MB), 10:12

  *   06 图像几何变换之图像缩放.mp4 (14.70 MB), 03:22

  *   07 图像几何变换之平移变换.mp4 (30.45 MB), 06:26

  *   08 图像几何变换之旋转变换.mp4 (36.16 MB), 07:15

  *   09 图像几何变换之翻转变换.mp4 (50.04 MB), 10:03

  *   10 色彩通道分离和融合.mp4 (16.85 MB), 03:47

  *   11 颜色空间转换.mp4 (18.06 MB), 03:47

  *   12 利用Tensorflow2进行图像缩放.mp4 (91.09 MB), 16:57

  *   13 使用tf.image模块函数对图像进行裁剪.mp4 (51.46 MB), 10:25

  *   14 使用tf.image模块函数进行图像色彩调整.mp4 (31.62 MB), 06:48

  *   15 使用tf.image模块函数进行图像翻转.mp4 (26.20 MB), 05:34

  *   16 Jieba中文分词介绍.mp4 (30.42 MB), 07:08

  *   17 使用jieba.cut进行中文分词案例演示.mp4 (32.54 MB), 06:52

  *   18 jieba添加自定义词典.mp4 (11.97 MB), 02:48

  *   19 jieba添加自定义词典案例讲解.mp4 (50.35 MB), 10:47

  *   20 关键词提取.mp4 (24.78 MB), 05:48

  *   21 词性标注.mp4 (9.41 MB), 02:19

  *   22 分词器Tokenizer.mp4 (62.63 MB), 13:08

  *   23 Keras的one_hot转换.mp4 (62.18 MB), 13:37

  *   24 填充序列pad_sequences函数.mp4 (60.31 MB), 13:46

  *   25 案例分析：导入本地文本数据.mp4 (29.49 MB), 05:58

  *   26 案例分析：添加中文文本分词的停止词库和词典库.mp4 (45.86 MB), 09:22

  *   27 案例分析：中文文本分词及词云展示.mp4 (97.84 MB), 16:42

  *   28 案例分析：构建分词器及填充序列.mp4 (21.88 MB), 05:06

  *   29 课后习题讲解：判断题和选择题.mp4 (39.40 MB), 08:13

  *   30 课后习题讲解：实训题代码讲解.mp4 (58.52 MB), 12:33

*   03 用Keras开发深度学习模型/

  *   01 本章内容介绍.mp4 (12.10 MB), 04:42

  *   02 定义网络1.mp4 (11.96 MB), 03:04

  *   03 定义网络2.mp4 (70.44 MB), 13:01

  *   04 编译网络.mp4 (11.45 MB), 02:26

  *   05 训练网络.mp4 (16.57 MB), 04:47

  *   06 评估及预测网络.mp4 (7.18 MB), 02:21

  *   07 Keras模型类型.mp4 (3.84 MB), 01:38

  *   08 顺序型API模型.mp4 (57.93 MB), 12:15

  *   09 函数式API模型讲解.mp4 (72.22 MB), 15:21

  *   10 网络拓扑可视化.mp4 (60.93 MB), 12:28

  *   11 网络拓扑可视化-补充说明.mp4 (13.37 MB), 02:42

  *   12 TensorBoard可视化1.mp4 (20.60 MB), 05:17

  *   13 TensorBoard可视化2.mp4 (50.76 MB), 09:38

  *   14 TensorBoard可视化3.mp4 (66.39 MB), 12:53

  *   15 TensorBoard可视化4.mp4 (33.89 MB), 06:47

  *   16 回调函数介绍.mp4 (34.98 MB), 08:33

  *   17 使用回调函数寻找最优模型1.mp4 (34.25 MB), 07:59

  *   18 使用回调函数寻找最优模型2.mp4 (66.08 MB), 12:25

  *   19 模型的保存及加载.mp4 (17.09 MB), 04:34

  *   20 使用SaveModel格式保存模型.mp4 (29.04 MB), 06:49

  *   21 使用SaveModel格式保存模型2-案例演示.mp4 (19.04 MB), 03:35

  *   22 使用SaveModel格式保存模型3-保存模型加载及验证.mp4 (51.08 MB), 09:23

  *   23 使用SaveModel格式保存模型3-保存为H5文件.mp4 (16.84 MB), 03:33

  *   24 使用SaveModel格式保存模型4-保存及加载模型结构.mp4 (47.74 MB), 08:53

  *   25 使用SaveModel格式保存模型5-保存及加载模型权重.mp4 (38.33 MB), 06:42

  *   26 使用JSON格式保存及加载模型.mp4 (46.53 MB), 09:07

  *   27 案例分析：Titanic数据导入及删除多余变量.mp4 (47.27 MB), 09:32

  *   28 案例分析：缺失值的识别及插补.mp4 (92.51 MB), 17:37

  *   29 案例分析：one_hot编码、数据拆分、标准化处理.mp4 (60.49 MB), 12:45

  *   30 案例分析：定义和编译网络模型.mp4 (67.45 MB), 12:43

  *   31 案例分析：模型训练及训练周期结果可视化.mp4 (28.57 MB), 05:58

  *   32 课后习题：判断和选择题讲解.mp4 (21.16 MB), 05:15

  *   33 课后习题：实训题1.mp4 (47.75 MB), 10:37

  *   34 课后习题：实训题2和3.mp4 (18.15 MB), 04:14

*   04 卷积神经网络基本原理及实现/

  *   01 简述全连接神经网络在图像数据处理中的不足处.mp4 (44.06 MB), 08:24

  *   02 卷积网络基本原理.mp4 (49.45 MB), 09:31

  *   03 卷积层原理概述.mp4 (40.11 MB), 08:54

  *   04 卷积层原理-padding技巧.mp4 (24.18 MB), 05:34

  *   05 卷积层原理-padding示例讲解.mp4 (61.88 MB), 13:58

  *   06 卷积层原理-移动步长示例讲解.mp4 (49.83 MB), 11:11

  *   07 输出特征图的宽、高计算公式.mp4 (31.32 MB), 06:04

  *   08 卷积层Tensorflow实现函数讲解.mp4 (30.88 MB), 07:16

  *   09 tf.keras.layers.Conv2D方法1.mp4 (58.06 MB), 12:26

  *   10 f.keras.layers.Conv2D方法2.mp4 (18.57 MB), 03:46

  *   11 tf.keras.layers.Conv2D方式实现卷积运算.mp4 (34.99 MB), 07:41

  *   12 tf.keras.layers.Conv2D方式4.mp4 (25.17 MB), 06:21

  *   13 卷积层对图像进行卷积运算示例讲解.mp4 (65.56 MB), 13:27

  *   14 池化层原理及实现详解.mp4 (53.98 MB), 10:40

  *   15 池化层实现的demo演示.mp4 (23.11 MB), 05:33

  *   16 池化层的特点及demo演示.mp4 (37.32 MB), 08:02

  *   17 池化层TensorFlow实现及案例演示.mp4 (45.38 MB), 09:07

  *   18 卷积神经网络中的全连接层和展平层介绍.mp4 (21.72 MB), 05:15

  *   19 迁移学习概述.mp4 (47.12 MB), 09:25

  *   20 迁移学习进行微调的三种策略.mp4 (21.44 MB), 05:20

  *   21 使用Keras 实现迁移学习之VGG16网络架构介绍.mp4 (81.69 MB), 15:36

  *   22 使用Keras 实现迁移学习之VGG16函数介绍.mp4 (37.25 MB), 08:26

  *   23 使用Keras 实现迁移学习之VGG16示例.mp4 (24.16 MB), 05:25

  *   24 使用Keras实现迁移学习之演示VGG16()函数下载及实例.mp4 (53.34 MB), 09:49

  *   25 使用Keras实现迁移学习之利用VGG16对本地汽车图像进行.mp4 (73.04 MB), 13:29

  *   26 使用Keras实现迁移学习之利用VGG16对本地汽车图像进行.mp4 (32.70 MB), 06:35

  *   27 使用Keras实现迁移学习之利用VGG16对本地汽车图像进行.mp4 (32.70 MB), 06:35

  *   28 tensorflow-hub的介绍及安装.mp4 (10.69 MB), 02:02

  *   29 Tensorflow-hub预训练模型的下载.mp4 (13.50 MB), 03:29

  *   30 使用迁移学习实现花卉图像分类器-花卉图像介绍及导入、预处理1.mp4 (45.06 MB), 10:48

  *   31 使用迁移学习实现花卉图像分类器-花卉图像介绍及导入、预处理2.mp4 (29.07 MB), 06:02

  *   32 使用迁移学习实现花卉图像分类器-创建 批次数据.mp4 (48.18 MB), 09:19

  *   33 Keras Applications 迁移学习实现花分类1.mp4 (43.21 MB), 07:51

  *   34 Keras Applications 迁移学习实现花分类2.mp4 (43.21 MB), 07:51

  *   35 使用TensorF Hub迁移学习实现花卉图像分类.mp4 (23.48 MB), 04:21

  *   36 强化学习的基本概念.mp4 (21.36 MB), 05:26

  *   37 深度强化学习思路.mp4 (10.77 MB), 02:34

  *   38 gym平台介绍及案例演示.mp4 (21.92 MB), 05:44

  *   39 使用Keras-RL2的DQN实现《CartPole》游戏.mp4 (32.79 MB), 06:21

  *   40 案例分析：CIFAR-10数据描述及下载.mp4 (72.08 MB), 13:04

  *   41 案例分析：CIFAR-10数据预处理.mp4 (16.29 MB), 03:39

  *   42 案例分析：构建卷积神经网络识别CIFAR-10图像.mp4 (80.47 MB), 16:09

  *   43 【课后习题】判断题和选择题讲解.mp4 (27.68 MB), 05:43

  *   44 【课后习题】实训题讲解.mp4 (80.69 MB), 14:21

*   05 循环神经网络在文本序列中的应用/

  *   01 循环神经网络基本理解.mp4 (16.28 MB), 04:34

  *   02 词嵌入基础及学习词嵌入案例讲解.mp4 (77.41 MB), 15:24

  *   03 预训练词嵌入及案例演示.mp4 (96.21 MB), 17:31

  *   04 简单 循环神经网络原理及Keras实现.mp4 (88.77 MB), 15:59

  *   05 长短期记忆网络-LSTM原理及Keras实现.mp4 (81.47 MB), 14:23

  *   06 门控循环单元-GRU原理及Keras实现.mp4 (31.74 MB), 05:47

  *   07 序列到序列Seq2Seq2基本原理概述.mp4 (37.82 MB), 06:39

  *   08 引入注意力机制的Seq2Seq框架.mp4 (35.14 MB), 06:44

  *   09 利用Keras实现序列到序列案例演示.mp4 (113.13 MB), 20:37

  *   10 利用TensorFlow Addons实现Seq2Seq2的.mp4 (69.10 MB), 14:48

  *   11 Transformer基本原理及KerasNLP介绍.mp4 (50.18 MB), 12:22

  *   12 案例实训：中文文本分类.mp4 (93.58 MB), 17:45

  *   13 课后习题讲解.mp4 (64.40 MB), 14:03

*   06 自编码器/

  *   01 自编码器概述.mp4 (41.88 MB), 09:51

  *   02 简单自编码器的Keras实现.mp4 (41.89 MB), 09:59

  *   03 简单自编码器对cifar-10图像进行重构案例讲解.mp4 (104.67 MB), 20:00

  *   04 稀疏自编码器.mp4 (40.55 MB), 08:17

  *   05 堆栈自编码器.mp4 (54.87 MB), 12:19

  *   06 卷积自编码器.mp4 (38.47 MB), 08:41

  *   07 降噪自编码器.mp4 (71.13 MB), 12:33

  *   08 案例实训：使用自编码器建立推荐系统.mp4 (118.05 MB), 20:30

  *   09 第6章【课后习题】讲解.mp4 (91.41 MB), 19:34

*   07 生成式对抗网络/

  *   01 生成式对抗网络概述.mp4 (25.52 MB), 05:25

  *   02 GAN模型的Keras实现.mp4 (85.54 MB), 18:30

  *   03 DCGAN模型的Keras实现.mp4 (33.95 MB), 08:41

  *   04 案例实训：使用GAN和DCGAN模型生成数字5图像.mp4 (114.50 MB), 22:21

  *   05 第7章【课后习题】讲解.mp4 (135.82 MB), 26:08

*   08 模型评估及模型优化/

  *   01 模型评估技术.mp4 (61.89 MB), 15:40

  *   02 模型优化：基于梯度的优化和自适应学习率算法.mp4 (49.49 MB), 12:20

  *   03 模型优化：网格搜索、数据分区、交叉验证、正则化等.mp4 (63.28 MB), 16:01

  *   04 在tf.Keras中进行模型优化.mp4 (21.44 MB), 06:07

  *   05 案例分析1：使用Scikit-Learn优化CIFAR-10.mp4 (81.81 MB), 17:15

  *   06 案例分析2：使用KerasTuner优化CIFAR-10分类.mp4 (89.93 MB), 17:10

  *   07 第8章【课后习题】讲解.mp4 (72.71 MB), 13:47

*   09 深度学习实验项目/

  *   01 TensorFlow Datasets 实验.mp4 (76.74 MB), 13:30

  *   02 tf.data 定义高效的输入流水线.mp4 (69.68 MB), 13:14

  *   03 在 tf.Keras 中使用 Scikit-Learn 优化.mp4 (42.45 MB), 07:01

  *   04 ImageDataGenerator 类图像增强.mp4 (55.56 MB), 09:09

  *   05 CNN 模型对手写数字识别.mp4 (55.34 MB), 09:32

  *   06 CNN 模型驾驶员睡意检测.mp4 (85.15 MB), 15:41