课程目录
1-1 [神经网络简介] 1.1 神经网络课程介绍 (04:50)
1-2 [神经网络简介] 1.2 c_cpp编程IDE操作入门 (35:27)
2-1 [神经网络基础理论] 2.1 人工神经网络理论基础 (15:47)
2-2 [神经网络基础理论] 2.2 多层神经元前向计算 (16:46)
2-3 [神经网络基础理论] 2.3 基于反向传播的神经网络BPNN (20:51)
2-4 [神经网络基础理论] 2.4 BPNN的Cpp代码实现 (07:10)
2-5 [神经网络基础理论] 2.5 数据预处理的归一化操作 (10:49)
2-6 [神经网络基础理论] 2.6 归一化操作代码实现 (12:30)
2-7 [神经网络基础理论] 2.7 BPNN的Python语言实现 (11:01)
3-1 [卷积神经网络基础理论] 3.1 神经网络的快速发展所带来的问题 (04:42)
3-2 [卷积神经网络基础理论] 3.2 卷积神经网络基本概念 (07:50)
3-3 [卷积神经网络基础理论] 3.3 自编码器 (06:30)
3-4 [卷积神经网络基础理论] 3.4 卷积运算理论与代码实现 (16:15)
3-5 [卷积神经网络基础理论] 3.5 卷积神经网络的代码实现 (07:24)
3-6 [卷积神经网络基础理论] 3.6 自编码器的代码实现 (06:40)
4-1 [卷积神经网络实操--MNIST手写字识别(主讲C++)] 4.1 MNIST手写体数据集简介 (12:47)
4-2 [卷积神经网络实操--MNIST手写字识别(主讲C++)] 4.2 MNIST数据集的数据读取 (05:31)
4-3 [卷积神经网络实操--MNIST手写字识别(主讲C++)] 4.3 MNIST数据的卷积操作 (15:55)
4-4 [卷积神经网络实操--MNIST手写字识别(主讲C++)] 4.4 MNIST数据的卷积反向操作与测试 (15:35)
4-5 [卷积神经网络实操--MNIST手写字识别(主讲C++)] 4.5 使用Python和Tensorflow处理MNIST (06:01)
5-1 [了解循环神经网络(RNN)与长短记忆神经网络(LSTM)] 5.1 循环神经网络RNN简介 (04:48)
5-2 [了解循环神经网络(RNN)与长短记忆神经网络(LSTM)] 5.2 长短记忆神经网络LSTM简介 (07:59)
6-1 [DarkNet使用入门] 1.darnet简单介绍 (07:12)
6-2 [DarkNet使用入门] 2.win10_cmake编译opencv (03:44)
6-3 [DarkNet使用入门] 3.opencv_vs2017工程配置测试 (02:36)
6-4 [DarkNet使用入门] 4.CUDA的安装与配置 (02:25)
6-5 [DarkNet使用入门] 5.编译darnet_yolo_v3成dll (06:01)
6-6 [DarkNet使用入门] 6.darnet_yolo_v3_vs2017工程化测试 (05:36)
6-7 [DarkNet使用入门] 7.Ubuntu_Linux编译与配置opencv (05:17)
6-8 [DarkNet使用入门] 8.Ubunut_Linux的Darknet编译与Qt测试 (03:47)
7-1 [opencv与dlib库的使用入门] 1.本节课程简单介绍 (04:25)
7-2 [opencv与dlib库的使用入门] 2.win10_opencv_vs2017的编译 (04:22)
7-3 [opencv与dlib库的使用入门] 3.win10_opencv_Qt的编译 (06:57)
7-4 [opencv与dlib库的使用入门] 4.配置Qt的Android开发环境 (05:53)
7-5 [opencv与dlib库的使用入门] 5.Qt上的opencv测试 (02:08)
7-6 [opencv与dlib库的使用入门] 6.dlib库的简介 (01:40)
7-7 [opencv与dlib库的使用入门] 7.dlib库的编译For_Qt (03:46)
7-8 [opencv与dlib库的使用入门] 8.dlib库的编译For_VS2017 (02:13)
7-9 [opencv与dlib库的使用入门] 9.opencv_dlib_vs2017的工程化配置 (12:29)
7-10 [opencv与dlib库的使用入门] 10.在VS2017中配置Qt开发环境 (04:39)
8-1 [DarkNet入门提高] 0.Darknet深度学习入门课程简介 (02:11)
8-2 [DarkNet入门提高] 1.cuda和cudnn的安装与配置 (04:10)
8-3 [DarkNet入门提高] 2.opencv的安装与配置 (05:24)
8-4 [DarkNet入门提高] 3.vs2017的下载与安装 (01:28)
8-5 [DarkNet入门提高] 4.win10_darknet的编译 (03:47)
8-6 [DarkNet入门提高] 5.voc数据集的准备 (06:17)
8-7 [DarkNet入门提高] 6.voc数据集模型训练前的相关配置文件修改 (05:07)
8-8 [DarkNet入门提高] 7.voc数据集的模型训练 (04:17)
8-9 [DarkNet入门提高] 8.自定义数据集的准备 (06:59)
8-10 [DarkNet入门提高] 9.自定义数据集模型训练前的相关配置文件修改 (01:43)
8-11 [DarkNet入门提高] 10.自定义数据集的模型训练 (01:32)
8-12 [DarkNet入门提高] 11.测试模型训练效果 (03:51)
8-13 [DarkNet入门提高] 12.opencv中调用自定义训练模型进行测试 (04:35)
9-1 [pyTorch学习入门] pytorch简介 (11:06)
9-2 [pyTorch学习入门] pytorch_win10_离线安装 (03:28)
9-3 [pyTorch学习入门] opencv-python的安装 (02:43)
9-4 [pyTorch学习入门] pycharm的安装 (03:30)
9-5 [pyTorch学习入门] python第三方包的离线下载方法讲解 (01:21)
9-6 [pyTorch学习入门] 训练数据cifar-10的准备 (01:27)
9-7 [pyTorch学习入门] 搭建AlexNet网络 (13:18)
9-8 [pyTorch学习入门] AlexNet网络模型训练 (01:20)
9-9 [pyTorch学习入门] pytorch模型转换成libtorch模型 (01:28)
9-10 [pyTorch学习入门] 下载libtorch文件 (02:06)
9-11 [pyTorch学习入门] cmake编译libtorch和opencv (08:50)
9-12 [pyTorch学习入门] 测试libtorch模型 (04:11)
9-13 [pyTorch学习入门] libtorch_vs2019_win10配置 (04:22)
