飞豹客 · 教程详情

深度学习之神经网络CNN/RNN/GAN（算法原理+实战）

会员可免费下载本篇

月会员可按日额度下载（每篇扣 1 次）。

开通会员 · 按档位下载 →

算法数学

1 人浏览发布 2026-10-07更新 2026-10-07

从手工调参到理解架构底层逻辑

这门课解决的核心问题，并非仅仅教你用 PyTorch 或 TensorFlow 跑通一个现成的图像分类 Demo，而是深入剖析 CNN、RNN 和 GAN 的算法原理与工程实现细节。对于已经掌握 Python 基础、具备一定数学直觉（特别是微积分和线性代数）的开发者而言，它能填补“会调包”与“懂原理”之间的巨大鸿沟。课程从神经网络入门讲起，重点聚焦于卷积神经网络的进阶架构与调参实战。如果你只是希望快速上手框架，前几章的梯度下降与数据预处理部分可能会略显枯燥；但如果你经常遇到模型收敛慢、过拟合严重，或者对 ResNet、Inception 等经典网络内部的黑盒机制感到困惑，这门课提供的底层视角价值极高。

建议优先攻克卷积核心与调参体系

不要按顺序从头看到尾，建议优先研读第 4 章和第 5 章。第 4 章详细拆解了 AlexNet、GG-ResNet、Inception 和 MobileNet 的结构演变，重点在于理解这些架构如何解决梯度消失和计算效率问题，这是阅读经典论文时的必备背景。第 5 章则是实战的关键，涵盖了批归一化、激活函数选择、优化器调整以及图像增强策略。这里不仅展示了代码实现，更解释了每个调参动作对最终模型精度和训练速度的具体影响。例如，通过 Tensorboard 实战部分，你可以直观看到不同配置下损失曲线的变化，从而建立“参数-现象”的直觉联系。对于零基础学习者，建议先复习第 2 章中关于逻辑斯蒂回归和梯度下降的部分，确保对反向传播机制有清晰认知，再进入高阶章节，否则容易陷入“知其然不知其所以然”的困境。

学完后的独立能力与练习方法

学完这门课，你应当具备独立诊断深度学习项目问题的能力。当模型训练停滞时，你能判断是学习率设置不当、网络结构深度不足，还是数据分布偏差；当需要部署轻量化模型时，你能理解 MobileNet 中深度可分离卷积的优势所在。资料中的视频资源侧重于原理推导与代码逐行讲解，建议配合开源数据集（如 CIFAR-10 或 ImageNet 子集）进行复现练习。不要仅仅观看视频，务必动手实现第 4 章提到的经典网络变体，并尝试在第 5 章的调参基础上加入自己的优化策略。对于第 10 章的 AutoML 内容，可以作为拓展视野，理解当前自动化机器学习的研究前沿，但不建议作为初学者的主要投入精力所在。这门课更像是一本“算法字典”，需要反复查阅和实践验证，而非一次性通关的娱乐内容。

课程目录

📁 第2章 神经网络入门 2-2 神经元-逻辑斯底回归模型.mp4
 [22.6 MB] 2-7 神经元实现（二分类逻辑斯蒂回归模型实现）.mp4
 [323.2 MB] 2-5 数据处理与模型图构建(1).mp4
 [101.9 MB] 2-4 梯度下降.mp4
 [52.7 MB] 2-1 机器学习、深度学习简介.mp4
 [52.1 MB] 2-6 数据处理与模型图构建(2).mp4
 [69.8 MB] 2-3 神经元多输出.mp4
 [27.5 MB] 2-8 神经网络实现（多分类逻辑斯蒂回归模型实现）.mp4
 [148.0 MB] 📁 第1章 课程介绍 1-1 课程导学.mp4
 [45.4 MB] 📁 第10章 自动机器学习网络-AutoML 10-5 自动网络结构搜索算法三_深度学习之神经网络RNNGAN算法原理实战.mp4
 [25.4 MB] 10-3 自动网络结构搜索算法一的分布式训练_深度学习之神经网络RNNGAN算法原理实战.mp4
 [27.7 MB] 10-4 自动网络结构搜索算法二_深度学习之神经网络RNNGAN算法原理实战.mp4
 [26.6 MB] 10-2 自动网络结构搜索算法一_深度学习之神经网络RNNGAN算法原理实战.mp4
 [44.4 MB] 10-1 AutoML引入_深度学习之神经网络RNNGAN算法原理实战.mp4
 [13.6 MB] 📁 第5章 卷积神经网络调参 5-10 批归一化实战（1）【优质资源‖关注：cunWorkNotes 解锁】.mp4
 [155.8 MB] 5-6 fine-tune-实战.mp4
 [172.8 MB] 5-11 批归一化实战（2）.mp4
 [171.6 MB] 5-7 actiation-initializer-optimizer-实战.mp4
 [179.7 MB] 5-9 图像增强实战.mp4
 [213.0 MB] 5-4 Tensorboard实战（1） (1).mp4
 [212.4 MB] 5-2 激活函数到调参技巧（1）.mp4
 [61.4 MB] 5-8 图像增强api使用.mp4
 [149.6 MB] 5-4 Tensorboard实战（1）.mp4
 [145.2 MB] 5-3 激活函数到调参技巧（2）.mp4
 [47.8 MB] 5-1 adagrad_adam.mp4
 [24.0 MB] 📁 第4章 卷积神经网络进阶 4-5 GG-ResNet实战（2）【资源精选‖更多关注：CunworkNotes】.mp4
 [176.8 MB] 4-7 Inception-mobile_net（2）.mp4
 [131.7 MB] 4-3 卷积神经网络进阶（inception-mobile-net）.mp4
 [55.4 MB] 4-2 卷积神经网络进阶（ggnet-Resnet）.mp4
 [73.3 MB] 4-1 卷积神经网络进阶（alexnet）.mp4
 [51.2 MB] 4-4 GG-ResNet实战（1）.mp4
 [160.9 MB] 4-6 Inception-mobile_net（1）.mp4
 [120.6 MB] 📁 第6章 图像风格转换 6-1 卷积神经网络的应用【不易整理‖请关注：CunWorkNoteS】.mp4
 [46.3 MB] 6-8 图像风格转换计算图构建与损失函数计算.mp4
 [109.1 MB] 6-10 图像风格转换效果展示.mp4
 [52.2 MB] 6-12 图像风格转换3算法【整理不易‖记得关注：CunWorKNotes】.mp4
 [16.1 MB] 6-5 GG16预训练模型读取函数封装.mp4
 [69.2 MB] 6-2 卷积神经网络的能力.mp4
 [54.0 MB] 6-4 GG16预训练模型格式.mp4
 [31.7 MB] 6-7 图像风格转换算法定义输入与调用GG-Net.mp4
 [87.7 MB] 6-9 图像风格转换训练流程代码实现.mp4
 [194.9 MB] 6-6 GG16模型搭建与载入类的封装.mp4
 [162.3 MB] 6-11 图像风格转换2算法.mp4
 [43.0 MB] 6-3 图像风格转换1算法.mp4
 [33.3 MB] 📁 第7章 循环神经网络 7-5 基于CNN的文本分类模型(TextCNN)【持续更新‖免费提供：CunworknoteS】.mp4
 [55.6 MB] 7-16 训练流程实现.mp4
 [92.9 MB] 7-9 实战代码模块解析.mp4
 [19.2 MB] 7-17 LSTM单元内部结构实现.mp4
 [173.6 MB] 7-6 RNN与CNN融合解决文本分类【资源精选‖更多关注：CunworkNotes】.mp4
 [47.9 MB] 7-19 循环神经网络总结.mp4
 [2.8 MB] 7-13 计算图输入定义【更多精选‖公众号：CunWorknotes】 .mp4
 [68.5 MB] 7-14 计算图实现.mp4
 [87.2 MB] 7-15 指标计算与梯度算子实现.mp4
 [54.4 MB] 7-3 长短期记忆网络.mp4
 [26.2 MB] 7-1 序列式问题.mp4
 [14.2 MB] 7-4 基于LSTM的文本分类模型(TextRNN与HAN).mp4
 [33.8 MB] 7-7 数据预处理之分词.mp4
 [130.6 MB] 7-2 循环神经网络.mp4
 [64.5 MB] 7-10 超参数定义.mp4
 [52.1 MB] 7-12 数据集封装.mp4
 [109.2 MB] 7-8 数据预处理之词表生成与类别表生成.mp4
 [72.2 MB] 7-18 TextCNN实现.mp4
 [107.4 MB] 7-11 词表封装与类别封装.mp4
 [107.9 MB] 📁 第8章 图像生成文本 8-10 图像特征抽取(1)-文本描述文件解析【整理不易‖记得关注：CunWorKNotes】.mp4
 [60.7 MB] 8-12 输入输出文件与默认参数定义【整理不易‖记得关注：CunWorKNotes】.mp4
 [39.6 MB] 8-5 Show and Tell模型.mp4
 [7.5 MB] 8-20 训练流程代码.mp4
 [77.7 MB] 8-18 计算图构建-图片与词语embedding.mp4
 [94.6 MB] 8-21 文本生成图像问题引入与本节课总结.mp4
 [17.1 MB] 8-15 ImageCaptionData类封装-图片特征读取.mp4
 [83.0 MB] 8-6 Show attend and Tell 模型.mp4
 [49.9 MB] 8-3 Encoder-Decoder框架与Beam Search算法生成文本.mp4
 [14.2 MB] 8-4 Multi-Modal RNN模型.mp4
 [27.2 MB] 8-19 计算图构建-rnn结构实现、损失函数与训练算子实现.mp4
 [161.9 MB] 8-17 计算图构建-辅助函数实现.mp4
 [42.4 MB] 8-9 数据介绍，词表生成.mp4
 [86.2 MB] 8-7 Bottom-up Top-down Attention模型.mp4
 [14.6 MB] 8-11 图像特征抽取(2)-Inception3预训练模型抽取图像特征.mp4
 [87.1 MB] 8-2 图像生成文本评测指标.mp4
 [17.6 MB] 8-8 图像生成文本模型对比与总结.mp4
 [10.0 MB] 8-14 文本描述转换为ID表示.mp4
 [38.3 MB] 8-1 图像生成文本问题引入⼊.mp4
 [59.6 MB] 8-13 词表载入.mp4
 [58.2 MB] 8-16 ImageCaptionData类封装-批数据生成.mp4
 [155.5 MB] 📁 第9章 对抗神经网络 9-8 多领域图像翻译StarGAN_深度学习之神经网络RNNGAN算法原理实战【持续更新‖免费提供：CunworknoteS】.mp4
 [43.4 MB] 9-1 对抗生成网络原理.mp4
 [213.0 MB] 9-7 无配对图像翻译CycleGAN(2)_深度学习之神经网络RNNGAN算法原理实战【优质资源‖关注：cunWorkNotes 解锁】.mp4
 [26.7 MB] 9-4 深度卷积对抗生成网络DCGAN(2)_深度学习之神经网络RNNGAN算法原理实战.mp4
 [21.4 MB] 9-9 文本生成图像Text2Img_深度学习之神经网络RNNGAN算法原理实战.mp4
 [37.9 MB] 9-10 对抗生成网络总结_深度学习之神经网络RNNGAN算法原理实战.mp4
 [8.2 MB] 9-5 图像翻译Pix2Pix_深度学习之神经网络RNNGAN算法原理实战.mp4
 [46.5 MB] 9-3 反卷积.mp4
 [36.5 MB] 9-6 无配对图像翻译CycleGAN(1)_深度学习之神经网络RNNGAN算法原理实战.mp4
 [17.4 MB] 9-16 DCGAN训练算子实现_深度学习之神经网络RNNGAN算法原理实战.mp4
 [49.0 MB] 9-14 DCGAN判别器实现.mp4
 [334.9 MB] 9-13 DCGAN生成器器实现.mp4
 [720.8 MB] 9-11 DCGAN实战引⼊.mp4
 [103.4 MB] 9-2 深度卷积对抗生成网络DCGAN(1).mp4
 [24.4 MB] 9-12 数据生成器实现_深度学习之神经网络RNNGAN算法原理实战.mp4
 [77.1 MB] 9-17 训练流程实现与效果展示_深度学习之神经网络RNNGAN算法原理实战.mp4
 [82.4 MB] 9-15 DCGAN计算图构建实现与损失函数实现_深度学习之神经网络RNNGAN算法原理实战.mp4
 [65.7 MB] 📁 第3章 卷积神经网络 3-2 卷积神经网络（1）.mp4
 [61.4 MB] 3-3 卷积神经网络（2）.mp4
 [39.6 MB] 3-1 神经网络进阶.mp4
 [48.9 MB] 3-4 卷积神经网络实战.mp4
 [128.5 MB] 📁 第11章 课程总结 11-1 课程总结.mp4
 [33.7 MB] 资料.zip
 [2.6 GB]

会员可免费下载本篇

查看价格与购买