《深度学习：从入门到精通：基于Keras》基础篇

即学到深度学习理论，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 06:53

  *   02 神经网络基础概述.mp4 02:20

  *   03 神经元结构讲解.mp4 08:13

  *   04 用python实现神经元demo.mp4 10:56

  *   05 激活函数概述.mp4 09:04

  *   06 激活函数的Tensorflow实现1.mp4 10:32

  *   07 激活函数的Tensorflow实现2.mp4 12:32

  *   08 神经网络的拓扑架构.mp4 03:41

  *   09 常用深度学习模型介绍.mp4 06:32

  *   10 深度学习框架.mp4 03:46

  *   11 Tensorflow GPU版本所需的硬件环境准备.mp4 09:40

  *   12 Anaconda的安装.mp4 17:08

  *   13 conda常用命令操作的用法.mp4 11:54

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

  *   15 Tensor数据类型及创建函数介绍.mp4 10:41

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

  *   17 Tensorlow其他常用函数及数学运算.mp4 15:38

  *   18 tf.data.Dataset对象简介.mp4 10:04

  *   19 tf.GradientTape讲解.mp4 12:58

  *   20 tf.one_hot和tf.argmax函数讲解.mp4 05:27

  *   21 MNIST数据集概述及加载.mp4 13:22

  *   22 MNIST数据预处理.mp4 09:00

  *   23 构建及编译模型.mp4 07:05

  *   24 构建及编译模型代码实现.mp4 04:43

  *   25 模型训练及代码实现.mp4 11:34

  *   26 将数据转换为tf.data.Dataset再训练模型.mp4 04:31

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

  *   28 课后习题讲解.mp4 03:39

*   02 深度学习的数据预处理技术/

  *   01 课程内容介绍.mp4 03:56

  *   02 数据预处理技术.mp4 17:27

  *   03 读取、显示和保存图像1.mp4 06:40

  *   04 读取、显示和保存图像2.mp4 11:42

  *   05 图像像素的获取和编辑.mp4 10:12

  *   06 图像几何变换之图像缩放.mp4 03:22

  *   07 图像几何变换之平移变换.mp4 06:26

  *   08 图像几何变换之旋转变换.mp4 07:15

  *   09 图像几何变换之翻转变换.mp4 10:03

  *   10 色彩通道分离和融合.mp4 03:47

  *   11 颜色空间转换.mp4 03:47

  *   12 利用Tensorflow2进行图像缩放.mp4 16:57

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

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

  *   15 使用tf.image模块函数进行图像翻转.mp4 05:34

  *   16 Jieba中文分词介绍.mp4 07:08

  *   17 使用jieba.cut进行中文分词案例演示.mp4 06:52

  *   18 jieba添加自定义词典.mp4 02:48

  *   19 jieba添加自定义词典案例讲解.mp4 10:47

  *   20 关键词提取.mp4 05:48

  *   21 词性标注.mp4 02:19

  *   22 分词器Tokenizer.mp4 13:08

  *   23 Keras的one_hot转换.mp4 13:37

  *   24 填充序列pad_sequences函数.mp4 13:46

  *   25 案例分析：导入本地文本数据.mp4 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 09:22

  *   27 案例分析：中文文本分词及词云展示.mp4 16:42

  *   28 案例分析：构建分词器及填充序列.mp4 05:06

  *   29 课后习题讲解：判断题和选择题.mp4 08:13

  *   30 课后习题讲解：实训题代码讲解.mp4 12:33

*   03 用Keras开发深度学习模型/

  *   01 本章内容介绍.mp4 04:42

  *   02 定义网络1.mp4 03:04

  *   03 定义网络2.mp4 13:01

  *   04 编译网络.mp4 02:26

  *   05 训练网络.mp4 04:47

  *   06 评估及预测网络.mp4 02:21

  *   07 Keras模型类型.mp4 01:38

  *   08 顺序型API模型.mp4 12:15

  *   09 函数式API模型讲解.mp4 15:21

  *   10 网络拓扑可视化.mp4 12:28

  *   11 网络拓扑可视化-补充说明.mp4 02:42

  *   12 TensorBoard可视化1.mp4 05:17

  *   13 TensorBoard可视化2.mp4 09:38

  *   14 TensorBoard可视化3.mp4 12:53

  *   15 TensorBoard可视化4.mp4 06:47

  *   16 回调函数介绍.mp4 08:33

  *   17 使用回调函数寻找最优模型1.mp4 07:59

  *   18 使用回调函数寻找最优模型2.mp4 12:25

  *   19 模型的保存及加载.mp4 04:34

  *   20 使用SaveModel格式保存模型.mp4 06:49

  *   21 使用SaveModel格式保存模型2-案例演示.mp4 03:35

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

  *   23 使用SaveModel格式保存模型3-保存为H5文件.mp4 03:33

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

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

  *   26 使用JSON格式保存及加载模型.mp4 09:07

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

  *   28 案例分析：缺失值的识别及插补.mp4 17:37

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

  *   30 案例分析：定义和编译网络模型.mp4 12:43

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

  *   32 课后习题：判断和选择题讲解.mp4 05:15

  *   33 课后习题：实训题1.mp4 10:37

  *   34 课后习题：实训题2和3.mp4 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 08:24

  *   02 卷积网络基本原理.mp4 09:31

  *   03 卷积层原理概述.mp4 08:54

  *   04 卷积层原理-padding技巧.mp4 05:34

  *   05 卷积层原理-padding示例讲解.mp4 13:58

  *   06 卷积层原理-移动步长示例讲解.mp4 11:11

  *   07 输出特征图的宽、高计算公式.mp4 06:04

  *   08 卷积层Tensorflow实现函数讲解.mp4 07:16

  *   09 tf.keras.layers.Conv2D方法1.mp4 12:26

  *   10 f.keras.layers.Conv2D方法2.mp4 03:46

  *   11 tf.keras.layers.Conv2D方式实现卷积运算.mp4 07:41

  *   12 tf.keras.layers.Conv2D方式4.mp4 06:21

  *   13 卷积层对图像进行卷积运算示例讲解.mp4 13:27

  *   14 池化层原理及实现详解.mp4 10:40

  *   15 池化层实现的demo演示.mp4 05:33

  *   16 池化层的特点及demo演示.mp4 08:02

  *   17 池化层TensorFlow实现及案例演示.mp4 09:07

  *   18 卷积神经网络中的全连接层和展平层介绍.mp4 05:15

  *   19 迁移学习概述.mp4 09:25

  *   20 迁移学习进行微调的三种策略.mp4 05:20

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

  *   22 使用Keras 实现迁移学习之VGG16函数介绍.mp4 08:26

  *   23 使用Keras 实现迁移学习之VGG16示例.mp4 05:25

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

  *   25 利用VGG16对本地汽车图像进行预测.mp4 13:29

  *   26 利用VGG16对本地汽车图像进行预测2.mp4 06:35