这门课解决什么问题
深度学习图像分类是计算机视觉最核心的入门基石。很多上班族和转行者看了一堆理论，遇到真实任务依然无从下手：不知道怎么整理杂乱图片、不懂怎么从零搭网络、跑通开源代码后准确率极低也不知道该调哪里。这门课针对的就是这种“理论懂了实操废了”的断层。它聚焦多类别分类和细粒度分类这两个高频场景，把从数据清洗、模型搭建、训练调参到测试验证的完整闭环拆解清楚。如果你日常工作涉及视觉质检、医学影像初筛或内容图片自动打标，这套流程可以直接迁移使用。
适合什么基础与学习顺序
资料适合有 Python 编程基础、能看懂基础数学公式的读者。如果你还没写过简单的数据处理脚本，建议先补足语言基本功再来。拿到资料后，建议先看课程简介和图像分类基础这两块，建立对任务边界的认知；接着直接进入表情识别实践项目，跟着视频从项目背景、数据读取、模型搭建到测试完整跑通一遍。跑通基础项目后，再回头看数据增强实战和细粒度分类理论。直播答疑部分不要一开始就看，等自己动手写过代码、卡在报错和调参环节时，再带着具体问题去答疑录像里找答案。
学完能独立做什么与练习建议
- 独立产出能力：学完后你能独立完成一个多类别图像分类项目的落地。包括自己整理图片文件夹结构、编写数据加载脚本、搭建并训练卷积网络、用测试集评估准确率，还能用数据增强接口解决小样本过拟合问题。
- 资料配合练习：不要只用眼睛看视频，必须边看边敲代码。建议找一份几十兆的小型图片数据集作为练习素材。每看完一个实践章节，就立刻在自己的数据集上复现对应步骤。遇到训练不收敛或测试准确率低的情况，先尝试调整学习率和数据增强策略，再去对照答疑录像里的排查思路。
1_《深度学习之图像分类》直播答疑04(直播.05.29).mp4 · 2_《深度学习之图像分类》直播答疑03(直播.05.15).mp4 · 3_《深度学习之图像分类》直播答疑02(直播.04.17).mp4 · 4_《深度学习之图像分类》直播答疑01(直播.03.27).mp4 · 5_0-课程简介.mp4 · 6_1-图像分类基础.mp4 · 7_2-多类别图像分类理论.mp4 · 8_3.1-从零完成表情识别实践（项目背景）.mp4 · 9_3.2-从零完成表情识别实践（数据处理与读取）.mp4 · 10_3.3-从零完成表情识别实践（模型搭建与训练）.mp4 · 11_3.4-从零完成表情识别实践（模型测试）.mp4 · 12_4.1-简单图像分类数据增强实战（接口简介）.mp4 · 13_4.2-简单图像分类数据增强实战（实验比较）.mp4 · 14_5.1-细粒度图像分类理论.mp4 · 16_6.1-鸟类细粒度图像分类实战（项目简介）.mp4 · 17_6.2-鸟类细粒度图像分类实战（数据读取）.mp4 · 18_6.3-鸟类细粒度图像分类实战（模型搭建与训练）.mp4 · 19_7.1-多标签图像分类理论.mp4 · 21_8.1-生活用品多标签图像分类实战（多标签分类简介及算法简介）.mp4 · 22_8.2-生活用品多标签图像分类实战（数据集制作及读取）.mp4 · 23_8.3-生活用品多标签图像分类实战（训练）.mp4 · 24_8.4-生活用品多标签图像分类实战（测试）.mp4 · 25_9.1-半监督与无监督分类理论.mp4 · 27_10.1-零样本分类理论.mp4 · 29_11.1-血红细胞图像分类竞赛（内容简介）.mp4 · 30_11.2-血红细胞图像分类竞赛（思路分析）.mp4 · 31_11.3-血红细胞图像分类竞赛（基础功能实现-数据集的统计分析）.mp4 · 32_11.4-血红细胞图像分类竞赛（基础功能实现-网络模型构建）.mp4 · 33_11.5-血红细胞图像分类竞赛（基础功能实现-训练）.mp4 · 34_11.6-血红细胞图像分类竞赛（学习率调整）.mp4 · 35_11.7-血红细胞图像分类竞赛（标签平滑）.mp4 · 36_11.8-血红细胞图像分类竞赛（知识蒸馏）.mp4 · 37_11.9-血红细胞图像分类竞赛（投票策略）.mp4 · 38_11.10-血红细胞图像分类竞赛（TTA策略）.mp4
课程目录
* 1_《深度学习之图像分类》直播答疑04(直播.05.29).mp4
* 2_《深度学习之图像分类》直播答疑03(直播.05.15).mp4
* 3_《深度学习之图像分类》直播答疑02(直播.04.17).mp4
* 4_《深度学习之图像分类》直播答疑01(直播.03.27).mp4
* 5_0-课程简介.mp4
* 6_1-图像分类基础.mp4
* 7_2-多类别图像分类理论.mp4
* 8_3.1-从零完成表情识别实践（项目背景）.mp4
* 9_3.2-从零完成表情识别实践（数据处理与读取）.mp4
* 10_3.3-从零完成表情识别实践（模型搭建与训练）.mp4
* 11_3.4-从零完成表情识别实践（模型测试）.mp4
* 12_4.1-简单图像分类数据增强实战（接口简介）.mp4
* 13_4.2-简单图像分类数据增强实战（实验比较）.mp4
* 14_5.1-细粒度图像分类理论.mp4
* 16_6.1-鸟类细粒度图像分类实战（项目简介）.mp4
* 17_6.2-鸟类细粒度图像分类实战（数据读取）.mp4
* 18_6.3-鸟类细粒度图像分类实战（模型搭建与训练）.mp4
* 19_7.1-多标签图像分类理论.mp4
* 21_8.1-生活用品多标签图像分类实战（多标签分类简介及算法简介）.mp4
* 22_8.2-生活用品多标签图像分类实战（数据集制作及读取）.mp4
* 23_8.3-生活用品多标签图像分类实战（训练）.mp4
* 24_8.4-生活用品多标签图像分类实战（测试）.mp4
* 25_9.1-半监督与无监督分类理论.mp4
* 27_10.1-零样本分类理论.mp4
* 29_11.1-血红细胞图像分类竞赛（内容简介）.mp4
* 30_11.2-血红细胞图像分类竞赛（思路分析）.mp4
* 31_11.3-血红细胞图像分类竞赛（基础功能实现-数据集的统计分析）.mp4
* 32_11.4-血红细胞图像分类竞赛（基础功能实现-网络模型构建）.mp4
* 33_11.5-血红细胞图像分类竞赛（基础功能实现-训练）.mp4
* 34_11.6-血红细胞图像分类竞赛（学习率调整）.mp4
* 35_11.7-血红细胞图像分类竞赛（标签平滑）.mp4
* 36_11.8-血红细胞图像分类竞赛（知识蒸馏）.mp4
* 37_11.9-血红细胞图像分类竞赛（投票策略）.mp4
* 38_11.10-血红细胞图像分类竞赛（TTA策略）.mp4
