人工精选《深度学习从入门到精通:基于Tensorflow2》系列之深度学习数据预处理技术
解决什么工作场景:把原始图像变成能喂给模型的干净数据 做深度学习项目,真正写神经网络结构只占一小部分精力,大部分时间耗在处理原始数据上。这门课聚焦的正是这个最容易卡人的前置环节:拿到一批图像,怎么读进来、怎么查看像素、怎么按模型要求做缩放和翻转、怎么拆分色彩通道。它对应的工作场景是模型训练前的数据准
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
解决什么工作场景:把原始图像变成能喂给模型的干净数据
做深度学习项目,真正写神经网络结构只占一小部分精力,大部分时间耗在处理原始数据上。这门课聚焦的正是这个最容易卡人的前置环节:拿到一批图像,怎么读进来、怎么查看像素、怎么按模型要求做缩放和翻转、怎么拆分色彩通道。它对应的工作场景是模型训练前的数据准备阶段,不管是做图像分类、目标检测还是简单的视觉任务,只要数据没整理成标准尺寸和格式,后续训练就会报错或者掉精度。如果你正准备用 Tensorflow2 搭模型,但卡在怎么把本地一堆杂乱图片整理成统一输入,这门课就是补这块基础操作。
适合什么基础、学完能独立做什么
这门课门槛不高,适合懂一点 Python 语法、能看懂基础循环和函数调用,但没怎么碰过图像处理库的人。它不要求你先精通微积分或推导反向传播公式,重点全在工程操作。学完后你能独立写一段脚本,批量读取某个文件夹下的图像,按需做几何变换(缩放、平移、旋转、翻转),把彩色图拆成单通道或者重新合并,最终输出成模型能直接接收的张量格式。换句话说,你能把一堆原始图片变成规整的训练集,不再卡在数据加载报错这一步。对于转行做计算机视觉相关岗位的人来说,这是面试前必须自己动手过一遍的硬技能,光懂理论但没实际处理过数据,很容易在笔试或上机环节露怯。
建议先看哪几块、资料怎么配合练习
拿到资料后别从头到尾顺序看,建议先跳到 OpenCV 读取和保存图像那两节,把环境跑通,确认库装好了能读图,再回头看几何变换。色彩通道分离和融合那节可以放在最后,因为它是理解多通道输入的钥匙,前面几何操作熟练后再看更清晰。练习时别只看视频,准备十张不同尺寸的本地图片,跟着每节内容写一遍代码:先读取,再分别试缩放和旋转,最后拆通道看单通道图长什么样。把每一步的输出图存下来对比,比纯看视频强。如果中途某步报错,先查是不是图片路径含中文或者库版本对不上,这两个是初学者最常踩的坑。整套资料过完,你的数据预处理工具链就基本成型了。
课程目录
课程目录30 集
- 1-1 [数据预处理技术] 课程内容介绍 (03:56).mp4
- 1-2 [数据预处理技术] 数据预处理技术 (17:27).mp4
- 2-1 [利用OpenCV进行图像预处理] 读取、显示和保存图像1 (06:40).mp4
- 2-2 [利用OpenCV进行图像预处理] 读取、显示和保存图像2 (11:42).mp4
- 2-3 [利用OpenCV进行图像预处理] 图像像素的获取和编辑 (10:12).mp4
- 2-4 [利用OpenCV进行图像预处理] 图像几何变换之图像缩放1 (03:22).mp4
- 2-5 [利用OpenCV进行图像预处理] 图像几何变换之翻转变换 (10:03).mp4
- 2-6 [利用OpenCV进行图像预处理] 图像几何变换之平移变换 (06:26).mp4
- 2-7 [利用OpenCV进行图像预处理] 图像几何变换之旋转变换 (07:15).mp4
- 2-8 [利用OpenCV进行图像预处理] 色彩通道分离和融合 (03:47).mp4
- 2-9 [利用OpenCV进行图像预处理] 颜色空间转换 (03:47).mp4
- 3-1 [利用TensorFlow进行图像预处理] 利用Tensorflow2进行图像缩放 (16:57).mp4
- 3-2 [利用TensorFlow进行图像预处理] 使用tf.image模块函数对图像进行裁剪 (10:25).mp4
- 3-3 [利用TensorFlow进行图像预处理] 使用tf.image模块函数进行图像色彩调整 (06:48).mp4
- 3-4 [利用TensorFlow进行图像预处理] 使用tf.image模块函数进行图像翻转 (05:34).mp4
- 4-1 [利用Jieba进行文本预处理] Jieba中文分词介绍 (07:08).mp4
- 4-2 [利用Jieba进行文本预处理] 使用jieba.cut进行中文分词案例演示 (06:52).mp4
- 4-3 [利用Jieba进行文本预处理] jieba添加自定义词典 (02:48).mp4
- 4-4 [利用Jieba进行文本预处理] jieba添加自定义词典案例讲解 (10:47).mp4
- 4-5 [利用Jieba进行文本预处理] 关键词提取 (05:48).mp4
- 5-1 [利用Keras进行文本预处理] Unicode编码 (05:18).mp4
- 5-2 [利用Keras进行文本预处理] 分词器Tokenizer (13:08).mp4
- 5-3 [利用Keras进行文本预处理] Keras的one_hot转换 (13:37).mp4
- 5-4 [利用Keras进行文本预处理] 填充序列pad_sequences函数 (13:46).mp4
- 6-1 [案例分析:对业务员工作日报进行文本处理] 案例分析:导入本地文本数据 (05:58).mp4
- 6-2 [案例分析:对业务员工作日报进行文本处理] 案例分析:添加中文文本分词的停止词库和词典库 (09:22).mp4
- 6-3 [案例分析:对业务员工作日报进行文本处理] 案例分析:中文文本分词及词云展示 (16:42).mp4
- 6-4 [案例分析:对业务员工作日报进行文本处理] 案例分析:构建分词器及填充序列 (05:06).mp4
- 7-1 [课后习题] 课后习题讲解:判断题和选择题 (08:13).mp4
- 7-2 [课后习题] 课后习题讲解:实训题代码讲解 (12:33).mp4





