├──1 任务1:机器学习、深度学习简介[.mp4
├──2 任务2:深度学习的发展历史[.mp4
├──3 任务3:现代深度学习的典型例子[.mp4
├──4 任务4:深度学习在计算机视觉中的应用[.mp4
├──5 任务5:深度学习的总结[.mp4
├──6 任务6:开发环境的配置, Pythn, Nupy, Kas入门教程[.mp4
├──7 任务7:GPU驱动程序安装[.mp4
├──8 任务8:CUDA的安装[.mp4
├──9 任务9:uDNN的安装, Tnsf, PyTh的GPU测试[.mp4
├──10 任务10:问答环节[.mp4
├──11 任务11:环境安装[.mp4
├──12 任务12:二元分类问题[.mp4
├──13 任务13:逻辑函数[.mp4
├──14 任务14:指数与对数 、逻辑回归[.mp4
├──15 任务15:示例[.mp4
├──16 任务16:损失函数[.mp4
├──17 任务17:损失函数推演[.mp4
├──18 任务18:梯度下降法[.mp4
├──19 任务19:应用[.mp4
├──任务100:道路行车道检测代码讲解[.mp4
├──任务101:在图像和视频上面演示道路行车道检测[.mp4
├──任务102:项目介绍[.mp4
├──任务103:交通指示牌识别的简介[.mp4
├──任务104:交通指示牌识别课程的编程任务[.mp4
├──任务105:如何分析数据 (utpy 的详细介绍)[.mp4
├──任务106:如何预处理图像数据、建立神经网络模型、训练网络模型 (tanpy 的详细介绍)01[.mp4
├──任务107:如何预处理图像数据、建立神经网络模型、训练网络模型 (tanpy 的详细介绍)02[.mp4
├──任务108:色彩空间转换[.mp4
├──任务109:直方图均衡[.mp4
├──任务110:图像标准化[.mp4
├──任务111:使用IaDataGnat做图像增强[.mp4
├──任务112:作业上传的要求[.mp4
├──任务113:介绍经典交通指示牌卷积神经网络模型[.mp4
├──任务114:代码实现经典交通指示牌识别卷积神经网络模型[.mp4
├──任务115:卷积神经网络的数学原理01[.mp4
├──任务116:卷积神经网络的数学原理02[.mp4
├──任务117:深度学习调参-直播-01[.mp4
├──任务118:深度学习调参-直播-02[.mp4
├──任务119:深度学习调参-直播-03[.mp4
├──任务120:卷积层的启发[.mp4
├──任务121:卷积层的定量分析[.mp4
├──任务122:单通道输入 单通道输出的卷积层的实例[.mp4
├──任务123:多通道输入 多通道输出的卷积层的实例[.mp4
├──任务124:池化层的原理 定量分析[.mp4
├──任务125:卷积神经网络和全连接神经网络的比较[.mp4
├──任务126:卷积神经网络在围棋 语言识别和自然语言处理中的应用[.mp4
├──任务127:基于深度学习的图像分类历史回顾[.mp4
├──任务128:AxNt的结构分析[.mp4
├──任务129:ZFNt的结构分析[.mp4
├──任务130:VGG的结构分析[.mp4
├──任务131:GNt Inptn的结构分析[.mp4
├──任务132:Inptn V3的结构分析[.mp4
├──任务133:RsNt的结构分析[.mp4
├──任务134:RsNt的代码实现[.mp4
├──任务135:基于内容的图像搜索理论基础[.mp4
├──任务136:基于去噪自动编码器的图像搜索代码实现[.mp4
├──任务137:使用卷积神经网络进行语义图像嵌入在目标检测, 自动驾驶, 图像超分辨率重构, 工业探伤等等领域的应用[.mp4
├──任务138:项目1-看图说话(助教)讲解和答疑-01[.mp4
├──任务139:项目1-看图说话(助教)讲解和答疑-02[.mp4
├──任务140:项目介绍[.mp4
├──任务141:自动驾驶方向盘转动方向预测的背景知识[.mp4
├──任务142:如何收集训练数据[.mp4
├──任务143:理解分析训练数据[.mp4
├──任务144:自动驾驶方向盘转动方向预测的网络结构和网络训练代码讲解[.mp4
├──任务145:提高网络性能的思路 图像处理、数据增强、网络结构优化[.mp4
├──任务146:探索数据01[.mp4
├──任务147:探索数据02[.mp4
├──任务148:图像增强01[.mp4
├──任务149:图像增强02[.mp4
├──任务150:解决数据不平衡的问题 DataGnat的应用[.mp4
├──任务151:网络结构实例[.mp4
├──任务152: 图像增强部分的代码讲解[.mp4
├──任务153:DataGnat部分的代码讲解[.mp4
├──任务154:网络结构实现部分的代码讲解[.mp4
├──任务155:方向盘转动方向预测网络模型的性能评估方法[.mp4
├──任务156:使用模拟器定性的判断网络性能的方法以及代码讲解[.mp4
├──任务157:模拟器自动驾驶的展示[.mp4
├──任务158:通过损失函数的变化判断网络性能、识别和解决过拟合和欠拟合的问题[.mp4
├──任务159:如何安装Pythn 连接模拟器的Pythn 库[.mp4
├──任务160:nds 下面使用自动驾驶模拟器的教程[.mp4
├──任务161:a 下面使用自动驾驶模拟器的教程[.mp4
├──任务162:目标识别综述[.mp4
├──任务163:基于HOG(梯度直方图)的目标识别[.mp4
├──任务164:Nn-Max Suppssn IU 和 Had Natv Mnn[.mp4
├──任务165:R-CNN的工作原理[.mp4
├──任务166:R-CNN中的边界框(Bundn Bx)预测原理[.mp4
├──任务167:R-CNN的不足之处[.mp4
├──任务168:Fast R-CNN详解[.mp4
├──任务169:Fast R-CNN Rn Ppsa Ntk[.mp4
├──任务170:R-CNN Fast R-CNN Fast R-CNN的总结[.mp4
├──任务171:目标识别 R-CNN家族的回顾[.mp4
├──任务172:SSD的简介 SSD与R-CNN的比较[.mp4
├──任务173:SSD的网络结构(1)[.mp4
├──任务173:SSD的网络结构[.mp4
├──任务174:如何使用卷积作为最后的预测层[.mp4
├──任务175:SSD的训练过程[.mp4
├──任务176:SSD的实验结果分析[.mp4
├──任务177:VGG16到SSD网络的演化 L2Nazatn层的实现[.mp4
├──任务178:SSD各个技术对失败率的影响 Atus卷积层的原理[.mp4
├──任务179:使用卷积作为最后的预测层详解[.mp4
├──任务180:SSD定位损失函数详解[.mp4
├──任务181:SSD中Anh尺寸 宽高比 中心位置的确定[.mp4
├──任务182:SSD中分类损失函数详解[.mp4
├──任务183:Nn-Max Suppssn的原理[.mp4
├──任务184:SSD和YOLO的比较 SSD的总结[.mp4
├──任务185:图像分割简介[.mp4
├──任务186:基于深度学习的图像分割U-Nt的原理[.mp4
├──任务187:Tanspsd Cnvutn原理与运用[.mp4
├──任务188:U-Nt的代码讲解[.mp4
├──任务189:图像生成的原理[.mp4
├──任务190:使用深度学习自动图像生成手写数字的代码讲解[.mp4
├──任务191:图像风格转移的原理[.mp4
├──任务192:使用深度学习实现图像风格转移的代码讲解[.mp4
├──任务193:SSD的原理回顾[.mp4
├──任务194:编程项目的训练数据介绍[.mp4
├──任务195:对SSD模型对产生Anh有影响的参数讲解[.mp4
├──任务196:对候选框精选处理有影响的参数讲解[.mp4
├──任务197:对输入模型参数的合法性检测和转换[.mp4
├──任务198:具有7层的SSD的网络结构讲解[.mp4
├──任务199:编译模型, 使用模型做预测[.mp4
├──任务20:直播答疑[.mp4
├──任务200:SSD解码的实现[.mp4
├──任务201:帮助函数IU, 坐标转换, SSD损失函数, Nn-Max-Suppssn的实现[.mp4
├──任务202:二值化神经网络的简介[.mp4
├──任务203:二值化网络的前向后向传播, 梯度计算原理[.mp4
├──任务204:二值化网络的训练算法[.mp4
├──任务205:二值化网络的实验结果[.mp4
├──任务206:二值化全连接网络的代码讲解[.mp4
├──任务207:DputNSa层的实现[.mp4
├──任务208:BnayDns层的实现[.mp4
├──任务209:二值化卷积神经网络的代码讲解[.mp4
├──任务21:自动驾驶方向盘预测论文分析[.mp4
├──任务210:项目作业要求[.mp4
├──任务211:神经网络在实际应用中面临的挑战, 轻量级深度神经网络的必要性[.mp4
├──任务212:MNt, Dpths Spa Cnvutn的原理计算量分析[.mp4
├──任务213:ShuffNt, Gup Cnvutn, Chann Shuff的原理[.mp4
├──任务214:EffNt, Spata Spa Cnvutn的原理计算量分析和实验效果[.mp4
├──任务215:htht-ntk答疑时间[.mp4
├──任务216:回顾EffNt的原理[.mp4
├──任务217:EffNt的代码讲解[.mp4
├──任务218:On-Sht Lann 的意义和工作原理[.mp4
├──任务219:用于On-Sht Lann 的Sas 深度神经网络的介绍[.mp4
├──任务22:使用PyCha Kas建立深度网络模型[.mp4
├──任务220:Sas 深度神经网络的实验和结果分析[.mp4
├──任务221:Tanspsd Cnvutn 的应用, 算法回顾, 以及使用矩阵乘法实现[.mp4
├──任务222:Tanspsd Cnvutn 的梯度推导[.mp4
├──任务223:将卷积核转换为Tptz Matx用于矩阵乘法实现Tanspsd[.mp4
├──任务224:同学对课程的效果反馈调查[.mp4
├──任务225:使用 Sas 网络做门禁卡系统的入门介绍, 数据集的介绍[.mp4
├──任务226:PyTh 基础教程[.mp4
├──任务227:Sas On-Sht ann 知识回顾[.mp4
├──任务228:使用 PyTh thvsn 库高效读取数据[.mp4
├──任务229:使用 PyTh 定义 Sas 网络结构[.mp4
├──任务23:数据预处理 数据增强[.mp4
├──任务230:使用 PyTh 写训练网络的代码[.mp4
├──任务231:使用 PyTh 写测试网络的代码[.mp4
├──任务24:建立BathGnat高效读取数据[.mp4
├──任务25:训练网络 保存训练的中间过程数据[.mp4
├──任务26:查看网络训练过程 判断网络是否过拟合 欠拟合[.mp4
├──任务27:神经网络分类问题的经典数据(集鸢尾花数据集)介绍,神经网络Pythn库Kas的介绍[.mp4
├──任务28:使用Pandas读取鸢尾花数据集, 使用LaEnd对类别标签进行编码[.mp4
├──任务29:使用Kas创建一个用于鸢尾花分类识别的神经网络[.mp4
├──任务30:训练用于鸢尾花分类的神经网络 解读训练输出的日志 了解如何评价神经网络的性能[.mp4
├──任务31:神经网络数学原理(1): 神经网络的结点,权值,激活函数[.mp4
├──任务32:神经网络数学原理(2): 神经网络的前馈(Fd Fad)算法[.mp4
├──任务33:神经网络数学原理(3):神经网络的前馈(Fd Fad)算法续,Sftax层的数值问题[.mp4
├──任务34:神经网络数学原理(4):神经网络BP(误差反向传播)算法[.mp4
├──任务35:神经网络数学原理(5):神经网络BP(误差反向传递)算法续[.mp4
├──任务36:神经网络数学原理(6):手动演算神经网络BP算法(误差向后传递)[.mp4
├──任务37:神经网络数学原理(7):手动演算神经网络BP算法(误差向后传递)续[.mp4
├──任务38:NuaNtkLss-直播01[.mp4
├──任务39:NuaNtkLss-直播02[.mp4
├──任务40:NuaNtkLss-直播03[.mp4
├──任务41:梯度消亡[.mp4
├──任务42:梯度消亡问题分析[.mp4
├──任务43:梯度消亡解决方案[.mp4
├──任务44:过拟合[.mp4
├──任务45:DpOut 训练[.mp4
├──任务46:正则化[.mp4
├──任务47:最大范数约束 神经元的初始化[.mp4
├──任务48:作业讲解与答疑-01[.mp4
├──任务49:作业讲解与答疑-02[.mp4
├──任务50:为什么需要递归神经网络?[.mp4
├──任务51:递归神经网络介绍[.mp4
├──任务52:语言模型[.mp4
├──任务53:RNN的深度[.mp4
├──任务54:梯度爆炸和梯度消失[.mp4
├──任务55:Gadnt Cppn[.mp4
├──任务56:LSTM的介绍[.mp4
├──任务57:LSTM的应用[.mp4
├──任务58:B-Dtna LSTM[.mp4
├──任务59:Gatd Runt Unt[.mp4
├──任务60:机器翻译[.mp4
├──任务61:Mutda Lann[.mp4
├──任务62:Sq2Sq模型[.mp4
├──任务63:回顾RNN与LSTM[.mp4
├──任务64:Attntn f Ia Captnn[.mp4
├──任务65:Attntn f Mahn Tansatn[.mp4
├──任务66:Sf-Attntn[.mp4
├──任务67:Attntn总结[.mp4
├──任务68:nua ntk ptz直播-01[.mp4
├──任务69:nua ntk ptz直播-02[.mp4
├──任务70:nua ntk ptz直播-03[.mp4
├──任务71:项目介绍[.mp4
├──任务72:看图说话任务一-01[.mp4
├──任务73:看图说话任务一-02[.mp4
├──任务74:看图说话任务一-03[.mp4
├──任务75:任务介绍[.mp4
├──任务76:如何实现 ad__as_np_aay 这个函数[.mp4
├──任务77:如何实现“ad_v16_d”函数[.mp4
├──任务78:如何实现“xtat_fatus”函数[.mp4
├──任务79:创建Tknz01[.mp4
├──任务80:创建Tknz02[.mp4
├──任务81:产生模型需要的输入数据01[.mp4
├──任务82:产生模型需要的输入数据02[.mp4
├──任务83:任务的概述[.mp4
├──任务84:Input Eddn和Dput层介绍[.mp4
├──任务85:LSTM Add层的介绍[.mp4
├──任务86:如何训练模型[.mp4
├──任务87:如何使用深度神经网络模型做预测 产生标题 完成nat_aptn函数01[.mp4
├──任务88:如何使用深度神经网络模型做预测 产生标题 完成nat_aptn函数02[.mp4
├──任务89:如何调用nat_aptn函数[.m(1)p4
├──任务89:如何调用nat_aptn函数[.mp4
├──任务90:如何评价标题生成模型的性能[.mp4
├──任务91:读取和显示数字图像[.mp4
├──任务92:数字图像大小缩放[.mp4
├──任务93:数字图像直方图均衡[.mp4
├──任务94:图像去噪声[.mp4
├──任务95:图像边缘检测[.mp4
├──任务96:图像关键点检测[.mp4
├──任务97:道路行车道检测简介[.mp4
├──任务98:Canny边缘检测[.mp4
└──任务99:霍夫变换用于直线检测[.mp4
请先
!