29.Python+AI -黑马- 人脸识别Python人工智能[完结]
文件清单
202 项
- 300T精品资源入口.txt
- 软件分享.png
- 01_深度学习课程介绍.mp4
- 02_深度学习介绍.mp4
- 03_深度学习介绍2.mp4
- 01_逻辑回归介绍.mp4
- 02_逻辑回归损失函数.mp4
- 03_梯度下降算法过程以及公式.mp4
- 04_导数意义介绍.mp4
展开全部 202 项
- 05_a^2函数的导数介绍.mp4
- 06_导数计算图与链式法则.mp4
- 07_逻辑回归的导数计算图分析以及参数导数.mp4
- 08_向量化编程介绍引入.mp4
- 09_向量化编程的优势.mp4
- 10_向量化实现逻辑回归的梯度计算更新.mp4
- 11_正向传播与反向传播,作业介绍.mp4
- 12_作业讲解题1:实现sigmoid函数与梯度实.mp4
- 13_作业讲解题2:单神经元神经网络(logistic)分类作业流程介绍.mp4
- 14_作业讲解题2:参数初始化与前向传播,反向传播.mp4
- 15_作业讲解题2:优化迭代实现,model逻辑实现.mp4
- 16_总结.mp4
- 00.浅层神经网络.mp4
- 01_浅层神经网络表示.mp4
- 02_浅层神经网络的前向传播.mp4
- 03_激活函数的选择.mp4
- 04_浅层神经网络的反向传播.mp4
- 05_作业介绍.mp4
- 06_作业实现:初始化模型与前向传播.mp4
- 07_作业实现:反向传播与更新梯度.mp4
- 08_作业实现:网络模型逻辑实现.mp4
- 09_总结.mp4
- 01_深层神经网络表示.mp4
- 02_深层神经网络的反向传播过程.mp4
- 03_参数初始化与超参数介绍.mp4
- 01_深度学习紧接,多分类介绍.mp4
- 02_交叉熵损失原理.mp4
- 03_案例:Mnist手写数字数据介绍.mp4
- 04_案例:网络结构,流程,代码介绍.mp4
- 05_案例:主网络结构搭建实现.mp4
- 06_案例:添加准确率.mp4
- 07_案例:Tensorboard观察显示.mp4
- 08_案例:添加模型保存,预测.mp4
- 09_调整学习率带来的问题.mp4
- 01_深度学习遇到问题,为什么需要优化算法.mp4
- 02_Mini梯度下降与Batch梯度下降.mp4
- 03_指数加权平均.mp4
- 04_动量梯度下降原理公式理解.mp4
- 05_RMSProp与Adam原理与学习率递减.mp4
- 06_标准化输入带来的优化.mp4
- 07_作业介绍.mp4
- 08_作业讲解1.mp4
- 09_作业讲解2.mp4
- 01_深度学习偏差与方差介绍为,什么需要正则化.mp4
- 02_正则化概念,L2正则化与L1正则化.mp4
- 03_Droupout过程与原理理解.mp4
- 04_其它正则化方法-早停止法与数据增强.mp4
- 05_正则化作业介绍.mp4
- 06_作业讲解1.mp4
- 07_作业讲解2.mp4
- 01_神经网络调参数技巧与如何设置参数,如何运行.mp4
- 02_批标准化定义,公式,为什么有效.mp4
- 01_卷积来源,数据量与感受野的边缘检测.mp4
- 02_卷积网络结构介绍.mp4
- 03_默认卷积的运算过程.mp4
- 04_零填充.mp4
- 05_过滤器大小与步长.mp4
- 06_多通道的卷积与多卷积核.mp4
- 07_卷积总结.mp4
- 08_池化层.mp4
- 09_全连接层.mp4
- 01_LeNet5的计算过程详解.mp4
- 02_常见网络结构介绍.mp4
- 03_Inception(1x1卷积介绍).mp4
- 04_Inception结构以及改进.mp4
- 05_GoogleNet了解与卷积网络学习内容.mp4
- 01_作业介绍.mp4
- 02_作业讲解.mp4
- 03_迁移学习.mp4
- 01_循环神经网络背景介绍.mp4
- 02_循环神经网络结构原理.mp4
- 03_词的表示与矩阵形状运算.mp4
- 04_交叉熵损失计算.mp4
- 05_时间反向传播算法.mp4
- 06_梯度消失,案例介绍.mp4
- 07_手写RNN案例:单个cell前向传播.mp4
- 08_手写RNN案例:所有cell的前向传播.mp4
- 09_手写RNN案例:单个cell的反向传播.mp4
- 10_手写RNN案例:所有cell的反向传播.mp4
- 11_案例总结.mp4
- 12_GRU与LSTM介绍.mp4
- 01_词嵌入介绍.mp4
- 02_词嵌入案例.mp4
- 01_seq2seq介绍与理解.mp4
- 02_seq2seq机器翻译等场景介绍分析.mp4
- 03_Attention原理分析.mp4
- 04_机器翻译案例:日期格式翻译转换,代码结构介绍.mp4
- 05_机器翻译案例:模型参数定义.mp4
- 06_机器翻译案例:数据获取以及数据格式转换介绍.mp4
- 07_机器翻译案例:训练逻辑与网络结构介绍.mp4
- 29.Python+AI -黑马- 人脸识别Python人工智能[完结]/
- 1-1 深度学习基础/
- 1-2 深度学习优化进阶/
- 1-3 卷积神经网络/
- 1-4 循环神经网络/
- 1-5 高级主题/
- 1-6 百度人脸识别/
- 1-7 自然语言处理/
- 1.深度学习介绍/
- 2.神经网络基础/
- 3.浅层神经网络/
- 4.深层神经网络/
- 1.多分类/
- 2.梯度下降算法优化/
- 3.深度学习正则化/
- 4.神经网络调参与BN/
- 1.卷积网络原理/
- 2.经典分类结构/
- 1.循环神经网络/
- 2.词嵌入/
- 3.seq2seq与Attention机制/
- 1.生产对抗网络/
- 2.自动编码器/
- 3.CapsuleNet/
- 1.平台介绍/
- 2.图像技术之人脸识别/
- 3.图像技术之图像识别/
- 4.图像技术之文字识别/
- 5.语音技术/
- 6.自然语言处理/
- 7.人脸识别打卡案例/
- 1.自然语言处理基础概念/
- 2.自然语言处理基础实作-机器学习篇/
- 3.自然语言处理基础实作-深度学习篇/
- 4.自然语言处理核心部分/
- 1.目标检测概述/
- 2.RCNN原理/
- 3.SPPNet原理/
- 4.FastRCNN原理/
- 5.FasterRCNN原理/
- 6.YOLO原理/
- 7.SSD原理/
- 1.数据集标记/
- 2.数据集格式转换/
- 3.TFRecords读取/
- 2.数据接口实现/
- 3.模型接口实现/
- 4.预处理接口实现/
- 5.训练过程实现/
- 6.测试过程实现/
- 7.模型部署介绍/
- 8.导出模型/
- 9.打开模型服务/
- 10.TFServing客户端/
- 11.服务器部署/
- 1.深度学习介绍/
- 1.深度学习介绍/
- 2.神经网络基础/
- 3.浅层神经网络/
- 4.深层神经网络/
- 1.多分类/
- 2.梯度下降算法优化/
- 3.深度学习正则化/
- 4.神经网络调参与BN/
- 1.卷积网络原理/
- 2.经典分类结构/
- 1.循环神经网络/
- 2.词嵌入/
- 3.seq2seq与Attention机制/
- 1.生产对抗网络/
- 2.自动编码器/
- 3.CapsuleNet/
- 1.平台介绍/
- 2.图像技术之人脸识别/
- 3.图像技术之图像识别/
- 4.图像技术之文字识别/
- 5.语音技术/
- 6.自然语言处理/
- 7.人脸识别打卡案例/
- 1.自然语言处理基础概念/
- 2.自然语言处理基础实作-机器学习篇/
- 3.自然语言处理基础实作-深度学习篇/
- 4.自然语言处理核心部分/
- 1.目标检测概述/
- 2.RCNN原理/
- 3.SPPNet原理/
- 4.FastRCNN原理/
- 5.FasterRCNN原理/
- 6.YOLO原理/
- 7.SSD原理/
- 1.数据集标记/
- 2.数据集格式转换/
- 3.TFRecords读取/
- 2.数据接口实现/
- 3.模型接口实现/
- 4.预处理接口实现/
- 5.训练过程实现/
- 6.测试过程实现/
- 7.模型部署介绍/
- 8.导出模型/
- 9.打开模型服务/
仅展示前 200 项，共 202 项。
- 分享时间
- 2024-11-05 07:57
- 入库时间
- 2024-11-05 10:15
- 分享用户
- 开朗*白肩雕
- 资源大小
- 2.2 GB
- 资源类型
- 夸克网盘
问题反馈
链接失效、内容异常、提取码错误等问题，可提交反馈，管理员会尽快处理。