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 卷积神经网络及图像分类/

  *   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 通过实例讲解卷积层各细节.mp4 (58.06 MB), 12:26

  *   10 通过卷积层 对输入数据进行卷积运算.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 实现卷积运算-多个卷积核情况.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 (37.25 MB), 08:26

  *   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()函数下载实例化.mp4 (53.34 MB), 09:49

  *   25 利用VGG16对本地汽车图像进行类别预测.mp4 (73.04 MB), 13:29

  *   26 解释preprocess_input函数作用.mp4 (32.70 MB), 06:35

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

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

  *   29 使用Tensorflow-hub预训练模型进行预测.mp4 (15.67 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 迁移学习实现花卉分类.mp4 (43.21 MB), 07:51

  *   34 Keras Applications 迁移学习实现花卉分类2.mp4 (44.26 MB), 09:04

  *   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算法实现《CartPole》.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

*   02 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.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

*   03 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

*   04 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

*   05 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 使用Scikit-Learn优化CIFAR-10分类模型.mp4 (81.81 MB), 17:15

  *   06 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

*   06 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 使用 Scikit-Learn优化模型.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