深度学习入门及算法进阶

体系课

0 人浏览发布 2026-06-09更新 2026-06-09

结合项目案例讲解神经网络（CNN/RNN/GAN）原理，深入学习卷积神经网络（CNN）、循环神经网络（RNN）、对抗神经网络（GAN），并以数字识别、手势识别、

* 第一章深度学习基础/

* 深度学习介绍/

* 01_深度学习课程介绍

* 02_深度学习介绍

* 03_深度学习介绍2

* 神经网络基础/

* 01_逻辑回归介绍

* 02_逻辑回归损失函数

* 03_梯度下降算法过程以及公式

* 04_导数意义介绍

* 05_a^2函数的导数介绍

* 06_导数计算图与链式法则

* 07_逻辑回归的导数计算图分析以及参数导数

* 08_向量化编程介绍引入

* 09_向量化编程的优势

* 10_向量化实现逻辑回归的梯度计算更新

* 11_正向传播与反向传播、作业介绍

* 12_作业讲解题1：实现sigmoid函数与梯度实现

* 13_作业讲解题2：单神经元神经网络(logistic)分类作业流程介绍

* 14_作业讲解题2：参数初始化与前向传播、反向传播

* 15_作业讲解题2：优化迭代实现、model逻辑实现

* 16_总结

* 浅层神经网络/

* 01_浅层神经网络表示

* 02_浅层神经网络的前向传播

* 03_激活函数的选择

* 04_浅层神经网络的反向传播

* 05_作业介绍

* 06_作业实现：初始化模型与前向传播

* 07_作业实现：反向传播与更新梯度

* 08_作业实现：网络模型逻辑实现

* 09_总结

* 深层神经网络/

* 01_深层神经网络表示

* 02_深层神经网络的反向传播过程

* 03_参数初始化与超参数介绍

* 第二章深度学习优化进阶/

* 多分类/

* 01_深度学习紧接、多分类介绍

* 02_交叉熵损失原理

* 03_案例：Mnist手写数字数据介绍

* 04_案例：网络结构、流程、代码介绍

* 05_案例：主网络结构搭建实现

* 06_案例：添加准确率

* 07_案例：Tensorboard观察显示

* 08_案例：添加模型保存、预测

* 09_调整学习率带来的问题

* 梯度下降算法优化/

* 01_深度学习遇到问题、为什么需要优化算法

* 02_Mini梯度下降与Batch梯度下降

* 03_指数加权平均

* 04_动量梯度下降原理公式理解

* 05_RMSProp与Adam原理与学习率递减

* 06_标准化输入带来的优化

* 07_作业介绍

* 08_作业讲解1

* 09_作业讲解2

* 深度学习正则化/

* 01_深度学习偏差与方差介绍为、什么需要正则化

* 02_正则化概念、L2正则化与L1正则化

* 03_Droupout过程与原理理解

* 04_其它正则化方法-早停止法与数据增强

* 05_正则化作业介绍

* 06_作业讲解1

* 07_作业讲解2

* 神经网络调参与BN/

* 01_神经网络调参数技巧与如何设置参数、如何运行

* 02_批标准化定义、公式、为什么有效

* 第三章卷积神经网络/

* 卷积网络原理/

* 01_卷积来源、数据量与感受野的边缘检测

* 02_卷积网络结构介绍

* 03_默认卷积的运算过程

* 04_零填充

* 05_过滤器大小与步长

* 06_多通道的卷积与多卷积核

* 07_卷积总结

* 08_池化层

* 09_全连接层

* 经典分类结构/

* 01_LeNet5的计算过程详解

* 02_常见网络结构介绍

* 03_Inception(1x1卷积介绍)

* 04_Inception结构以及改进

* 05_GoogleNet了解与卷积网络学习内容

* CNN实战/

* 01_作业介绍

* 02_作业讲解

* 03_迁移学习

* 第四章循环神经网络/

* 循环神经网络/

* 01_循环神经网络背景介绍

* 02_循环神经网络结构原理

* 03_词的表示与矩阵形状运算

* 04_交叉熵损失计算

* 05_时间反向传播算法

* 06_梯度消失、案例介绍

* 07_手写RNN案例：单个cell前向传播

* 08_手写RNN案例：所有cell的前向传播

* 09_手写RNN案例：单个cell的反向传播

* 10_手写RNN案例：所有cell的反向传播

* 11_案例总结

* 12_GRU与LSTM介绍

* 词嵌入/

* 01_词嵌入介绍

* 02_词嵌入案例

* seq2seq与Attention机制/

* 01_seq2seq介绍与理解

* 02_seq2seq机器翻译等场景介绍分析

* 03_Attention原理分析

* 04_机器翻译案例：日期格式翻译转换、代码结构介绍

* 05_机器翻译案例：模型参数定义

* 06_机器翻译案例：数据获取以及数据格式转换介绍

* 07_机器翻译案例：训练逻辑与网络结构介绍

* 08_机器翻译案例：网络输入输出逻辑介绍

* 09_机器翻译案例：网络输入输出逻辑编写.mp4

* 10_机器翻译案例：自定义网络seq2seq的编解码器定义.mp4

* 11_机器翻译案例：seq2seq的输出层定义.mp4

* 12_机器翻译案例：attention结构定义.mp4

* 13_机器翻译案例：model中计算attention输出c逻辑函数实现.mp4

* 14_机器翻译案例：训练逻辑编写

* 15_机器翻译案例：训练结果与问题解决.mp4

* 16_机器翻译案例：测试逻辑结果演示.mp4

* 17_集束搜索介绍

* 18_BLEU自动评估方法原理介绍

* 第五章高级主题/

* 生成对抗网络/

* 01_高级主题介绍、GAN介绍

* 02_GAN原理、损失和DCGAN结构

* 03_生成数字图片案例：结果演示流程介绍

* 04_生成数字图片案例：模型初始化代码编写

* 05_生成数字图片案例：训练流程

* 06_生成数字图片案例：运行保存图片并对比

* 自动编码器/

* 01_自动编码器介绍

* 02_案例：编码器类别、普通自编码器流程、模型初始化逻辑

* 03_案例：训练普通自编码器

* 04_案例：深度自编码器编写演示

* 05_案例：卷积自编码器编写演示

* 06_案例：降噪编码器介绍

* 07_案例：降噪编码器案例

* CapsuleNet/

* 01_CapsuleNet了解

* 02_深度学习课程总结

深度学习入门及算法进阶

体系课

0 人浏览发布 2026-06-09更新 2026-06-09

结合项目案例讲解神经网络（CNN/RNN/GAN）原理，深入学习卷积神经网络（CNN）、循环神经网络（RNN）、对抗神经网络（GAN），并以数字识别、手势识别、

* 第一章深度学习基础/

* 深度学习介绍/

* 01_深度学习课程介绍

* 02_深度学习介绍

* 03_深度学习介绍2

* 神经网络基础/

* 01_逻辑回归介绍

* 02_逻辑回归损失函数

* 03_梯度下降算法过程以及公式

* 04_导数意义介绍

* 05_a^2函数的导数介绍

* 06_导数计算图与链式法则

* 07_逻辑回归的导数计算图分析以及参数导数

* 08_向量化编程介绍引入

* 09_向量化编程的优势

* 10_向量化实现逻辑回归的梯度计算更新

* 11_正向传播与反向传播、作业介绍

* 12_作业讲解题1：实现sigmoid函数与梯度实现

* 13_作业讲解题2：单神经元神经网络(logistic)分类作业流程介绍

* 14_作业讲解题2：参数初始化与前向传播、反向传播

* 15_作业讲解题2：优化迭代实现、model逻辑实现

* 16_总结

* 浅层神经网络/

* 01_浅层神经网络表示

* 02_浅层神经网络的前向传播

* 03_激活函数的选择

* 04_浅层神经网络的反向传播

* 05_作业介绍

* 06_作业实现：初始化模型与前向传播

* 07_作业实现：反向传播与更新梯度

* 08_作业实现：网络模型逻辑实现

* 09_总结

* 深层神经网络/

* 01_深层神经网络表示

* 02_深层神经网络的反向传播过程

* 03_参数初始化与超参数介绍

* 第二章深度学习优化进阶/

* 多分类/

* 01_深度学习紧接、多分类介绍

* 02_交叉熵损失原理

* 03_案例：Mnist手写数字数据介绍

* 04_案例：网络结构、流程、代码介绍

* 05_案例：主网络结构搭建实现

* 06_案例：添加准确率

* 07_案例：Tensorboard观察显示

* 08_案例：添加模型保存、预测

* 09_调整学习率带来的问题

* 梯度下降算法优化/

* 01_深度学习遇到问题、为什么需要优化算法

* 02_Mini梯度下降与Batch梯度下降

* 03_指数加权平均

* 04_动量梯度下降原理公式理解

* 05_RMSProp与Adam原理与学习率递减

* 06_标准化输入带来的优化

* 07_作业介绍

* 08_作业讲解1

* 09_作业讲解2

* 深度学习正则化/

* 01_深度学习偏差与方差介绍为、什么需要正则化

* 02_正则化概念、L2正则化与L1正则化

* 03_Droupout过程与原理理解

* 04_其它正则化方法-早停止法与数据增强

* 05_正则化作业介绍

* 06_作业讲解1

* 07_作业讲解2

* 神经网络调参与BN/

* 01_神经网络调参数技巧与如何设置参数、如何运行

* 02_批标准化定义、公式、为什么有效

* 第三章卷积神经网络/

* 卷积网络原理/

* 01_卷积来源、数据量与感受野的边缘检测

* 02_卷积网络结构介绍

* 03_默认卷积的运算过程

* 04_零填充

* 05_过滤器大小与步长

* 06_多通道的卷积与多卷积核

* 07_卷积总结

* 08_池化层

* 09_全连接层

* 经典分类结构/

* 01_LeNet5的计算过程详解

* 02_常见网络结构介绍

* 03_Inception(1x1卷积介绍)

* 04_Inception结构以及改进

* 05_GoogleNet了解与卷积网络学习内容

* CNN实战/

* 01_作业介绍

* 02_作业讲解

* 03_迁移学习

* 第四章循环神经网络/

* 循环神经网络/

* 01_循环神经网络背景介绍

* 02_循环神经网络结构原理

* 03_词的表示与矩阵形状运算

* 04_交叉熵损失计算

* 05_时间反向传播算法

* 06_梯度消失、案例介绍

* 07_手写RNN案例：单个cell前向传播

* 08_手写RNN案例：所有cell的前向传播

* 09_手写RNN案例：单个cell的反向传播

* 10_手写RNN案例：所有cell的反向传播

* 11_案例总结

* 12_GRU与LSTM介绍

* 词嵌入/

* 01_词嵌入介绍

* 02_词嵌入案例

* seq2seq与Attention机制/

* 01_seq2seq介绍与理解

* 02_seq2seq机器翻译等场景介绍分析

* 03_Attention原理分析

* 04_机器翻译案例：日期格式翻译转换、代码结构介绍

* 05_机器翻译案例：模型参数定义

* 06_机器翻译案例：数据获取以及数据格式转换介绍

* 07_机器翻译案例：训练逻辑与网络结构介绍

* 08_机器翻译案例：网络输入输出逻辑介绍

* 09_机器翻译案例：网络输入输出逻辑编写.mp4

* 10_机器翻译案例：自定义网络seq2seq的编解码器定义.mp4

* 11_机器翻译案例：seq2seq的输出层定义.mp4

* 12_机器翻译案例：attention结构定义.mp4

* 13_机器翻译案例：model中计算attention输出c逻辑函数实现.mp4

* 14_机器翻译案例：训练逻辑编写

* 15_机器翻译案例：训练结果与问题解决.mp4

* 16_机器翻译案例：测试逻辑结果演示.mp4

* 17_集束搜索介绍

* 18_BLEU自动评估方法原理介绍

* 第五章高级主题/

* 生成对抗网络/

* 01_高级主题介绍、GAN介绍

* 02_GAN原理、损失和DCGAN结构

* 03_生成数字图片案例：结果演示流程介绍

* 04_生成数字图片案例：模型初始化代码编写

* 05_生成数字图片案例：训练流程

* 06_生成数字图片案例：运行保存图片并对比

* 自动编码器/

* 01_自动编码器介绍

* 02_案例：编码器类别、普通自编码器流程、模型初始化逻辑

* 03_案例：训练普通自编码器

* 04_案例：深度自编码器编写演示

* 05_案例：卷积自编码器编写演示

* 06_案例：降噪编码器介绍

* 07_案例：降噪编码器案例

* CapsuleNet/

* 01_CapsuleNet了解

* 02_深度学习课程总结