《深度学习从入门到精通》

NLP基础理论、算法应用及实战技能，提升文本处理与理解能力。

*   01 初识深度学习/

  *   01 课程介绍.mp4 (12.75 MB), 06:53

  *   02 神经网络基础概述.mp4 (6.44 MB), 02:20

  *   03 神经元结构讲解.mp4 (24.35 MB), 08:13

  *   04 用python实现神经元demo.mp4 (24.71 MB), 10:56

  *   05 激活函数概述.mp4 (24.31 MB), 09:04

  *   06 激活函数的Tensorflow实现1.mp4 (23.53 MB), 10:32

  *   07 激活函数的Tensorflow实现2.mp4 (32.01 MB), 12:32

  *   08 神经网络的拓扑架构.mp4 (10.68 MB), 03:41

  *   09 常用深度学习模型介绍.mp4 (16.49 MB), 06:32

  *   10 深度学习框架.mp4 (9.84 MB), 03:46

  *   11 Tensorflow GPU版本所需的软件环境准备（windows10）.mp4 (49.78 MB), 09:40

  *   12 Anaconda、Jupyter Notebook、Spyder的安装.mp4 (44.55 MB), 17:08

  *   13 conda常用命令操作的用法.mp4 (30.17 MB), 11:54

  *   14 Tensorflow的安装及查看（CPU、GPU版）.mp4 (25.08 MB), 07:22

  *   15 Tensor数据类型及创建函数介绍.mp4 (32.58 MB), 10:41

  *   16 Tensor数据类型及创建函数案例演示.mp4 (41.56 MB), 18:30

  *   17 Tensorlow其他常用函数及数学运算.mp4 (40.62 MB), 15:38

  *   18 tf.data.Dataset对象简介.mp4 (27.98 MB), 10:04

  *   19 tf.GradientTape讲解.mp4 (33.49 MB), 12:58

  *   20 tf.one_hot和tf.argmax函数讲解.mp4 (15.88 MB), 05:27

  *   21 MNIST数据集概述及加载.mp4 (35.54 MB), 13:22

  *   22 MNIST数据预处理.mp4 (27.43 MB), 09:00

  *   23 构建及编译模型.mp4 (19.67 MB), 07:05

  *   24 构建及编译模型代码实现.mp4 (12.28 MB), 04:43

  *   25 模型训练及代码实现.mp4 (37.48 MB), 11:34

  *   26 将数据转换为tf.data.Dataset再训练模型.mp4 (15.95 MB), 04:31

  *   27 另一种方式，使用 tf.GradientTape 来训练模型.mp4 (52.18 MB), 15:29

  *   28 课后习题讲解.mp4 (10.27 MB), 03:39

*   02 深度学习的数据预处理技术/

  *   01 课程内容介绍.mp4 (7.19 MB), 03:56

  *   02 数据预处理技术.mp4 (42.63 MB), 17:27

  *   03 读取、显示和保存图像1.mp4 (18.25 MB), 06:40

  *   04 读取、显示和保存图像2.mp4 (37.30 MB), 11:42

  *   05 图像像素的获取和编辑.mp4 (29.07 MB), 10:12

  *   06 图像几何变换之图像缩放.mp4 (8.37 MB), 03:22

  *   07 图像几何变换之平移变换.mp4 (31.87 MB), 06:26

  *   08 图像几何变换之旋转变换.mp4 (38.69 MB), 07:15

  *   09 图像几何变换之翻转变换.mp4 (52.07 MB), 10:03

  *   10 色彩通道分离和融合.mp4 (10.25 MB), 03:47

  *   11 颜色空间转换.mp4 (11.97 MB), 03:47

  *   12 利用Tensorflow2进行图像缩放.mp4 (65.53 MB), 16:57

  *   13 使用tf.image模块函数对图像进行裁剪.mp4 (33.72 MB), 10:25

  *   14 使用tf.image模块函数进行图像色彩调整.mp4 (21.64 MB), 06:48

  *   15 使用tf.image模块函数进行图像翻转.mp4 (17.83 MB), 05:34

  *   16 Jieba中文分词介绍.mp4 (19.10 MB), 07:08

  *   17 使用jieba.cut进行中文分词案例演示.mp4 (20.79 MB), 06:52

  *   18 jieba添加自定义词典.mp4 (8.39 MB), 02:48

  *   19 jieba添加自定义词典案例讲解.mp4 (29.87 MB), 10:47

  *   20 关键词提取.mp4 (15.61 MB), 05:48

  *   21 词性标注.mp4 (6.15 MB), 02:19

  *   22 Unicode编码.mp4 (16.92 MB), 05:18

  *   23 分词器Tokenizer.mp4 (42.39 MB), 13:08

  *   24 Keras的one_hot转换.mp4 (37.47 MB), 13:37

  *   25 填充序列pad_sequences函数.mp4 (37.24 MB), 13:46

  *   26 案例分析：导入本地文本数据.mp4 (17.60 MB), 05:58

  *   27 案例分析：添加中文文本分词的停止词库和词典库.mp4 (30.30 MB), 09:22

  *   28 案例分析：中文文本分词及词云展示.mp4 (64.29 MB), 16:42

  *   29 案例分析：构建分词器及填充序列.mp4 (13.74 MB), 05:06

  *   30 课后习题讲解：判断题和选择题.mp4 (24.35 MB), 08:13

  *   31 课后习题讲解：实训题代码讲解.mp4 (32.04 MB), 12:33

*   03 使用Keras开发深度学习模型/

  *   01 本章内容介绍.mp4 (8.45 MB), 04:42

  *   02 定义网络1.mp4 (8.28 MB), 03:04

  *   03 定义网络2.mp4 (48.08 MB), 13:01

  *   04 编译网络.mp4 (7.83 MB), 02:26

  *   05 训练网络.mp4 (10.62 MB), 04:47

  *   06 评估及预测网络.mp4 (5.02 MB), 02:21

  *   07 Keras模型类型.mp4 (2.81 MB), 01:38

  *   08 顺序型API模型.mp4 (35.81 MB), 12:15

  *   09 函数式API模型讲解.mp4 (51.58 MB), 15:21

  *   10 网络拓扑可视化.mp4 (38.26 MB), 12:28

  *   11 网络拓扑可视化-补充说明.mp4 (9.27 MB), 02:42

  *   12 TensorBoard可视化1.mp4 (12.64 MB), 05:17

  *   13 TensorBoard可视化2.mp4 (31.16 MB), 09:38

  *   14 TensorBoard可视化3.mp4 (41.19 MB), 12:53

  *   15 TensorBoard可视化4.mp4 (22.31 MB), 06:47

  *   16 回调函数介绍.mp4 (20.77 MB), 08:33

  *   17 模型的保存及加载.mp4 (10.95 MB), 04:34

  *   18 使用SaveModel格式保存模型.mp4 (19.03 MB), 06:49

  *   19 使用SaveModel格式保存模型2-案例演示.mp4 (12.19 MB), 03:35

  *   20 使用SaveModel格式保存模型3-保存模型加载及验证.mp4 (35.67 MB), 09:23

  *   21 使用SaveModel格式保存模型3-保存为H5文件.mp4 (11.06 MB), 03:33

  *   22 使用SaveModel格式保存模型4-保存及加载模型结构.mp4 (32.21 MB), 08:53

  *   23 使用SaveModel格式保存模型5-保存及加载模型权重.mp4 (30.51 MB), 06:42

  *   24 使用JSON格式保存及加载模型.mp4 (33.04 MB), 09:07

  *   25 案例分析：Titanic数据导入及删除多余变量.mp4 (30.78 MB), 09:32

  *   26 案例分析：缺失值的识别及插补.mp4 (57.22 MB), 17:37

  *   27 案例分析：one_hot编码、数据拆分、标准化处理.mp4 (35.25 MB), 12:45

  *   28 案例分析：定义和编译网络模型.mp4 (43.61 MB), 12:43

  *   29 案例分析：模型训练及训练周期结果可视化.mp4 (17.99 MB), 05:58

  *   30 案例分析：模型预测及结果分析.mp4 (42.13 MB), 09:15

  *   31 课后习题：判断和选择题讲解.mp4 (14.92 MB), 05:15

  *   32 课后习题：实训题1.mp4 (29.02 MB), 10:37

  *   33 课后习题：实训题2和3.mp4 (11.51 MB), 04:14

*   04 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 (26.17 MB), 08:24

  *   02 卷积网络基本原理.mp4 (33.67 MB), 09:31

  *   03 卷积层原理概述.mp4 (26.70 MB), 08:54

  *   04 卷积层原理-padding技巧.mp4 (16.27 MB), 05:34

  *   05 卷积层原理-padding示例讲解.mp4 (34.84 MB), 13:58

  *   06 卷积层原理-移动步长示例讲解.mp4 (31.12 MB), 11:11

  *   07 输出特征图的宽、高计算公式.mp4 (20.60 MB), 06:04

  *   08 卷积层Tensorflow实现函数讲解.mp4 (21.93 MB), 07:16

  *   09 tf.keras.layers.Conv2D方法-通过实例讲解卷积层各细节.mp4 (33.85 MB), 12:26

  *   10 tf.keras.layers.Conv2D方法-通过卷积层 对输入数据进行卷积运算.mp4 (14.46 MB), 03:46

  *   11 tf.keras.layers.Conv2D方式实现卷积运算.mp4 (23.35 MB), 07:41

  *   12 tf.keras.layers.Conv2D方式实现卷积运算-多个卷积核情况.mp4 (14.51 MB), 06:21

  *   13 卷积层对图像进行卷积运算示例讲解.mp4 (39.46 MB), 13:27

  *   14 池化层原理及实现详解.mp4 (35.97 MB), 10:40

  *   15 池化层实现的demo演示.mp4 (16.89 MB), 05:33

  *   16 池化层的特点及demo演示.mp4 (25.48 MB), 08:02

  *   17 池化层TensorFlow实现及案例演示.mp4 (26.36 MB), 09:07

  *   18 卷积神经网络中的全连接层和展平层介绍.mp4 (13.44 MB), 05:15

  *   19 迁移学习概述.mp4 (26.69 MB), 09:25

  *   20 迁移学习进行微调的三种策略.mp4 (14.59 MB), 05:20

  *   21 使用Keras 实现迁移学习之VGG16网络架构介绍.mp4 (60.53 MB), 15:36

  *   22 使用Keras 实现迁移学习之VGG16函数介绍.mp4 (24.57 MB), 08:26

  *   23 使用Keras 实现迁移学习之VGG16示例.mp4 (15.78 MB), 05:25

  *   24 使用Keras实现迁移学习之演示VGG16()函数下载及实例化.mp4 (37.55 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类别预测.mp4 (50.66 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类别预测_补充材料（解释preprocess_input函数 作用）.mp4 (19.81 MB), 06:35

  *   27 tensorflow-hub的介绍及安装.mp4 (6.67 MB), 02:02

  *   28 Tensorflow-hub预训练模型的下载.mp4 (9.25 MB), 03:29

  *   29 使用Tensorflow-hub预训练模型进行预测.mp4 (10.20 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 (31.48 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 (20.43 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 (32.15 MB), 09:19

  *   33 使用 Keras Applications 迁移学习实现花卉图像分类1.mp4 (35.50 MB), 07:51

  *   34 使用 Keras Applications 迁移学习实现花卉图像分类2.mp4 (30.47 MB), 09:04

  *   35 使用TensorF Hub迁移学习实现花卉图像分类.mp4 (17.00 MB), 04:21

  *   36 强化学习的基本概念.mp4 (14.21 MB), 05:26

  *   37 深度强化学习思路.mp4 (8.31 MB), 02:34

  *   38 gym平台介绍及案例演示.mp4 (15.57 MB), 05:44

  *   39 使用Keras-RL2的DQN算法实现《CartPole》游戏.mp4 (22.58 MB), 06:21

  *   40 案例分析：CIFAR-10数据描述及下载.mp4 (41.59 MB), 13:04

  *   41 案例分析：CIFAR-10数据预处理.mp4 (9.69 MB), 03:39

  *   42 案例分析：构建卷积神经网络识别CIFAR-10图像.mp4 (51.86 MB), 16:09

  *   43 【课后习题】判断题和选择题讲解.mp4 (17.83 MB), 05:43

  *   44 【课后习题】实训题讲解.mp4 (52.99 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 (11.16 MB), 04:34

  *   02 词嵌入基础及学习词嵌入案例讲解.mp4 (50.37 MB), 15:24

  *   03 预训练词嵌入及案例演示.mp4 (66.33 MB), 17:31

  *   04 简单 循环神经网络原理及Keras实现.mp4 (61.50 MB), 15:59

  *   05 长短期记忆网络-LSTM原理及Keras实现.mp4 (54.58 MB), 14:23

  *   06 门控循环单元-GRU原理及Keras实现.mp4 (21.29 MB), 05:47

  *   07 序列到序列Seq2Seq2基本原理概述.mp4 (22.54 MB), 06:39

  *   08 引入注意力机制的Seq2Seq框架.mp4 (21.00 MB), 06:44

  *   09 利用Keras实现序列到序列案例演示.mp4 (75.92 MB), 20:37

  *   10 利用TensorFlow Addons实现Seq2Seq2的案例讲解.mp4 (43.84 MB), 14:48

  *   11 Transformer基本原理及KerasNLP介绍.mp4 (30.65 MB), 12:22

  *   12 案例实训：中文文本分类.mp4 (54.95 MB), 17:45

  *   13 课后习题讲解.mp4 (40.76 MB), 14:03

*   06 自编码网络/

  *   01 自编码器概述.mp4 (25.12 MB), 09:51

  *   02 简单自编码器的Keras实现.mp4 (27.08 MB), 09:59

  *   03 简单自编码器对cifar-10图像进行重构案例讲解.mp4 (64.41 MB), 20:00

  *   04 稀疏自编码器.mp4 (25.83 MB), 08:17

  *   05 堆栈自编码器.mp4 (34.72 MB), 12:19

  *   06 卷积自编码器的Keras实现.mp4 (24.17 MB), 08:41

  *   07 降噪自编码器.mp4 (44.27 MB), 12:33

  *   08 循环自编码器.mp4 (31.85 MB), 07:00

  *   09 案例实训：使用自编码器建立推荐系统1.mp4 (67.80 MB), 20:30

  *   10 第6章【课后习题】讲解.mp4 (56.16 MB), 19:34

*   07 生成式对抗网络/

  *   01 生成式对抗网络概述.mp4 (16.13 MB), 05:25

  *   02 GAN模型的Keras实现.mp4 (52.04 MB), 18:30

  *   03 DCGAN模型的Keras实现.mp4 (22.54 MB), 08:41

  *   04 案例实训：使用GAN和DCGAN模型生成数字5图像.mp4 (74.76 MB), 22:21

  *   05 第7章【课后习题】讲解.mp4 (87.93 MB), 26:08

*   08 模型评估及模型优化/

  *   01 模型评估技术.mp4 (40.13 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 (32.57 MB), 12:20

  *   03 模型优化：网格搜索、数据分区、交叉验证、正则化和Dropout技术.mp4 (44.17 MB), 16:01

  *   04 在tf.Keras中进行模型优化.mp4 (14.94 MB), 06:07

  *   05 案例分析1：使用Scikit-Learn优化CIFAR-10分类模型.mp4 (52.77 MB), 17:15

  *   06 案例分析2：使用KerasTuner优化CIFAR-10分类模型.mp4 (56.97 MB), 17:10

  *   07 第8章【课后习题】讲解.mp4 (48.30 MB), 13:47

*   09 第九章/

  *   01 TensorFlow Datasets 实验.mp4 (53.66 MB), 13:30

  *   02 tf.data 定义高效的输入流水线.mp4 (51.92 MB), 13:14

  *   03 在 tf.Keras 中使用 Scikit-Learn 优化模型.mp4 (28.91 MB), 07:01

  *   04 ImageDataGenerator 类图像增强.mp4 (34.09 MB), 09:09

  *   05 CNN 模型对手写数字识别.mp4 (37.58 MB), 09:32

  *   06 CNN 模型驾驶员睡意检测.mp4 (63.37 MB), 15:41

  *   07 全部资源.txt (0.00 MB)