人工精选深度学习之神经网络(CNNRNNGAN)算法原理+实战
先判断：这门课值不值得你花时间 如果你是被"CNN、RNN、GAN"这串缩写吸引进来的，先确认一件事：这门课的重心不是教你调包跑通一个 demo，而是把三类网络的内部计算逻辑讲清楚。它适合已经会写 Python、能看懂矩阵乘法、但对反向传播和梯度更新只有模糊印象的人。如果你连 numpy 的广播机制
会员可免费下载本篇月会员可免费领取。
开通会员 ›会员 · 按档位
游客按标价购买，不享受上表折扣。
支付成功后自动发放网盘链接，链接失效可找客服免费补
先判断：这门课值不值得你花时间
如果你是被"CNN、RNN、GAN"这串缩写吸引进来的，先确认一件事：这门课的重心不是教你调包跑通一个 demo，而是把三类网络的内部计算逻辑讲清楚。它适合已经会写 Python、能看懂矩阵乘法、但对反向传播和梯度更新只有模糊印象的人。如果你连 numpy 的广播机制都没用过，直接进来会很吃力，建议先补基础。
不适合谁：只想套用现成 API 做应用、不打算理解原理的人。这门课会让你动手推导和实现，纯调用方的需求满足不了。
它解决的是哪类工作场景
学完之后你能独立处理的情况大致有这几类：一是拿到一份图像数据，能自己搭一个卷积网络完成分类任务，并知道为什么加池化、为什么用批归一化；二是面对序列数据，能判断该用 RNN、LSTM 还是注意力机制，而不是凭感觉选；三是理解生成模型的对抗训练思路，能看懂 GAN 相关论文里的损失函数设计。
再往实际岗位靠一点：如果你想做 AI 应用方向，尤其是涉及向量检索、语义匹配、简单多模态处理的场景，CNN 和 RNN 那部分知识会成为你读文档、改模型结构时的底层支撑。课程里提到的 Embedding 向量检索，本质就是让你明白"文本/图像怎么变成可比较的向量"，这是很多检索和推荐系统的第一块砖。
资料构成与使用方式
整套内容围绕"原理讲解 + 代码实现"两条线展开，配了章节笔记。笔记不是目录复述，而是把每节的核心公式和关键代码片段做了归纳，适合两种时候翻：一是学完一节当天复盘，二是面试前快速回忆某个概念。
- 原理部分：建议手写一遍前向和反向的推导，别只看视频点头。
- 实战部分：先自己写，卡住了再看参考实现，差距就是你真正要补的地方。
- 笔记：每完成两到三节整理一次，把零散知识点串成一条线。
注意，资料给的是学习路径和参考实现，不是可以直接改改就上线的工程代码。想写进作品集，你得自己重新组织一遍，加上数据预处理、评估指标和错误分析。
学完能独立做什么
一个比较现实的判断标准：课程结束后，你能不能在不看教程的情况下，从零搭出一个完整的小项目——比如用卷积网络做图像分类，或者用循环网络做序列预测，并且能解释每一步为什么这么做。如果能，这门课的目标就达到了。如果还做不到，说明实战章节你只是跟着敲了一遍，没有真正消化。
另外，向量检索那部分值得单独练。它连接的是传统深度学习和当下大模型应用之间的那块空白，很多做知识库、做语义搜索的人卡住，就是因为不理解向量空间里的相似度到底在算什么。
给你的学习节奏建议
不要按"看完多少节"来定进度，按"能独立复现多少"来定。每学完一个模块，合上资料自己写一遍核心代码，写不出来就回去补。全程大概需要你投入几十个小时的动手时间，光看视频是不够的。
如果你现在的工作和 AI 无关，但想往这个方向转，这门课可以作为原理层的起点，之后还需要补工程部署和数据处理的实践。它不会直接给你一份工作，但能让你在面试时把"我懂原理"这句话说具体。
跟别人买的高清版本，资料也有，分享给大家。
课程推荐
《深度学习之神经网络(CNNRNNGAN)算法原理+实战》跟别人买的高清版本，资料也有，分享给大家。【技能收获】学完可掌握：Embedding 向量检索。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。
视频目录（106 节）
课程目录
* 1-1 课程导学.mp4
* 2-1 机器学习、深度学习简介.mp4
* 2-2 神经元-逻辑斯底回归模型.mp4
* 2-3 神经元多输出.mp4
* 2-4 梯度下降.mp4
* 2-5 数据处理与模型图构建(1).mp4
* 2-6 数据处理与模型图构建(2).mp4
* 2-7 神经元实现（二分类逻辑斯蒂回归模型实现）.mp4
* 2-8 神经网络实现（多分类逻辑斯蒂回归模型实现）.mp4
* 3-1 神经网络进阶.mp4
* 3-2 卷积神经网络（1）.mp4
* 3-3 卷积神经网络（2）.mp4
* 3-4 卷积神经网络实战.mp4
* 4-1 卷积神经网络进阶（alexnet）.mp4
* 4-2 卷积神经网络进阶（Vggnet-Resnet）.mp4
* 4-3 卷积神经网络进阶（inception-mobile-net）.mp4
* 4-4 VGG-ResNet实战（1）.mp4
* 4-5 VGG-ResNet实战（2）.mp4
* 4-6 Inception-mobile_net（1）.mp4
* 4-7 Inception-mobile_net（2）.mp4
* 5-1 adagrad_adam.mp4
* 5-10 批归一化实战（1）.mp4
* 5-11 批归一化实战（2）.mp4
* 5-2 激活函数到调参技巧（1）.mp4
* 5-3 激活函数到调参技巧（2）.mp4
* 5-4 Tensorboard实战（1）.mp4
* 5-5 Tensorboard实战（2）.mp4
* 5-6 fine-tune-实战.mp4
* 5-7 activation-initializer-optimizer-实战.mp4
* 5-8 图像增强api使用.mp4
* 5-9 图像增强实战.mp4
* 6-1 卷积神经网络的应用.mp4
* 6-10 图像风格转换效果展示.mp4
* 6-11 图像风格转换V2算法.mp4
* 6-12 图像风格转换V3算法.mp4
* 6-2 卷积神经网络的能力.mp4
* 6-3 图像风格转换V1算法.mp4
* 6-4 VGG16预训练模型格式.mp4
* 6-5 VGG16预训练模型读取函数封装.mp4
* 6-6 VGG16模型搭建与载入类的封装.mp4
* 6-7 图像风格转换算法定义输入与调用VGG-Net.mp4
* 6-8 图像风格转换计算图构建与损失函数计算.mp4
* 6-9 图像风格转换训练流程代码实现.mp4
* 7-1 序列式问题.mp4
* 7-10 超参数定义.mp4
* 7-11 词表封装与类别封装.mp4
* 7-12 数据集封装.mp4
* 7-13 计算图输入定义.mp4
* 7-14 计算图实现.mp4
* 7-15 指标计算与梯度算子实现.mp4
* 7-16 训练流程实现.mp4
* 7-17 LSTM单元内部结构实现.mp4
* 7-18 TextCNN实现.mp4
* 7-19 循环神经网络总结.mp4
* 7-2 循环神经网络.mp4
* 7-3 长短期记忆网络.mp4
* 7-4 基于LSTM的文本分类模型(TextRNN与HAN).mp4
* 7-5 基于CNN的文本分类模型(TextCNN).mp4
* 7-6 RNN与CNN融合解决文本分类.mp4
* 7-7 数据预处理之分词.mp4
* 7-8 数据预处理之词表生成与类别表生成.mp4
* 7-9 实战代码模块解析.mp4
* 8-1 图像生成文本问题引入-.mp4
* 8-10 图像特征抽取(1)-文本描述文件解析.mp4
* 8-11 图像特征抽取(2)-InceptionV3预训练模型抽取图像特征.mp4
* 8-12 输入输出文件与默认参数定义.mp4
* 8-13 词表载入.mp4
* 8-14 文本描述转换为ID表示.mp4
* 8-15 ImageCaptionData类封装-图片特征读取.mp4
* 8-16 ImageCaptionData类封装-批数据生成.mp4
* 8-17 计算图构建-辅助函数实现.mp4
* 8-18 计算图构建-图片与词语embedding.mp4
* 8-19 计算图构建-rnn结构实现、损失函数与训练算子实现.mp4
* 8-2 图像生成文本评测指标.mp4
* 8-20 训练流程代码.mp4
* 8-21 文本生成图像问题引入与本节课总结.mp4
* 8-3 Encoder-Decoder框架与Beam Search算法生成文本.mp4
* 8-4 Multi-Modal RNN模型.mp4
* 8-5 Show and Tell模型.mp4
* 8-6 Show attend and Tell 模型.mp4
* 8-7 Bottom-up Top-down Attention模型.mp4
* 8-8 图像生成文本模型对比与总结.mp4
* 8-9 数据介绍，词表生成.mp4
* 9-1 对抗生成网络原理.mp4
* 9-10 对抗生成网络总结.mp4
* 9-11 DCGAN实战引-.mp4
* 9-12 数据生成器实现.mp4
* 9-13 DCGAN生成器-实现.mp4
* 9-14 DCGAN判别-实现.mp4
* 9-15 DCGAN计算图构建实现与损失函数实现.mp4
* 9-16 DCGAN训练算子实现.mp4
* 9-17 训练流程实现与效果展示.mp4
* 9-2 深度卷积对抗生成网络DCGAN(1).mp4
* 9-3 反卷积.mp4
* 9-4 深度卷积对抗生成网络DCGAN(2).mp4
* 9-5 图像翻译Pix2Pix.mp4
* 9-6 无配对图像翻译CycleGAN(1).mp4
* 9-7 无配对图像翻译CycleGAN(2).mp4
* 9-8 多领域图像翻译StarGAN.mp4
* 9-9 文本生成图像Text2Img.mp4
* 10-1 AutoML引入.mp4
* 10-2 自动网络结构搜索算法一.mp4
* 10-3 自动网络结构搜索算法一的分布式训练.mp4
* 10-4 自动网络结构搜索算法二.mp4
* 10-5 自动网络结构搜索算法三.mp4
* 11-1 课程总结.mp4
同类课程
和你正在看的这门一个方向
算法数学清华大学算法训练营蓝桥杯ACM信息竞赛视频教程合集
永久有效 · 网盘发货
算法数学Python深度学习与PyTorch实战教程（网易云课堂）
永久有效 · 网盘发货
算法数学深度学习神经网络（CNN、RNN、GAN）算法原理与实战教程（含源码课件）
永久有效 · 网盘发货
算法数学慕课网AI人工智能算法工程师2024|0源码+PDF课件+电子书
永久有效 · 网盘发货
算法数学「【九天菜菜】深度学习实战课
永久有效 · 网盘发货
算法数学高手内功必修课-ARM汇编系统入门与实践|已完结
永久有效 · 网盘发货