文件清单 53 项

• 1:回顾深度神经网络_卷积层是局部连接.mp4
• 2:单通道卷积的计算.mp4
• 3:彩色图片卷积的计算.mp4
• 4:卷积层权值共享.mp4
• 5:卷积的补充与Padding填充模式.mp4
• 6:卷积的计算TF中的API操作与参数.mp4
• 7:池化的概念和TF中的API的操作与参数.mp4
• 8:经典的CNN架构和LeNet5.mp4
• 9:AlexNet网络结构_连续使用小的卷积核好处.mp4

展开全部 53 项

• 10:Dropout技术点思想和运用.mp4
• 11:数据增强技术点_CNN对MNIST数据集分类_卷积池化代码.mp4
• 12:CNN对MNIST数据集分类_全连接层以及训练代码.mp4
• 13:深度学习网络对应ACC准确率忽然下降的思考点.mp4
• 14:减轻梯度消失问题中激活函数发挥的作用.mp4
• 15:减轻梯度消失问题中参数初始化发挥的作用.mp4
• 16:VGG网络结构_以及1乘1的卷积核的作用和好处.mp4
• 17:Optimizer_SGD_Momentum.mp4
• 18:Optimizer_Adagrad_Adadelta_RMSprop.mp4
• 19:Optimizer_Adam.mp4
• 21:VGG16_Fine-tuning_对MNIST做手写数字识别(1).mp4
• 21:VGG16_Fine-tuning_对MNIST做手写数字识别.mp4
• 22:InceptionV1_V2(1).mp4
• 22:InceptionV1_V2.mp4
• 23:InceptionV3_以及InceptionV3对皮肤癌图片识别(1).mp4
• 23:InceptionV3_以及InceptionV3对皮肤癌图片识别.mp4
• 24:ResNet残差单元_BottlenetBlocK(1).mp4
• 24:ResNet残差单元_BottlenetBlocK.mp4
• 25:DenseNet和Keras里面的实现(1).mp4
• 25:DenseNet和Keras里面的实现.mp4
• 26:DenseNet在Keras里面的代码实现(1).mp4
• 26:DenseNet在Keras里面的代码实现.mp4
• 27:BatchNormalization(1).mp4
• 27:BatchNormalization.mp4
• 28:Mobilenet网络架构(1).mp4
• 28:Mobilenet网络架构.mp4
• 29:图像识别任务_古典目标检测.mp4
• 30:使用OpenCV调用分类器找到目标框.mp4
• 31:IOU以及python计算的代码.mp4
• 32:R-CNN和SPP-net.mp4
• 33:从FastRCNN引入FasterRCNN.mp4
• 目标检测.pdf
• 34:回顾RCNN_SPPnet_Fast-RCNN.mp4
• 35:FasterRNN的核心RPN_正向传播的框过滤_NMS.mp4
• 36:NMS代码实现流程_mAP目标检测平均指标.mp4
• 37:FasterRCNN论文讲解_从介绍到RPN的loss.mp4
• 38:FasterRCNN论文讲解_从RPN损失到评估指标对比.mp4
• FasterR-CNNTowardsReal-TimeObjectDetectionwithRegionProposalNetworks.pdf
• 14-深度学习-图像识别原理/
• 章节1:卷积神经网络原理/
• 章节2:卷积神经网络优化/
• 章节3:经典卷积网络算法/
• 章节4:古典目标检测/
• 章节5:现代目标检测之FasterRCNN/