响木课堂-响木SVIP目录-我的资源/01 响木最新众筹课/4000-4999/4100-4199/4111.Python统计建模到深度学习全程班/玩转深度学习--Python数据分析课程【New】

主页/我的资源/01 响木最新众筹课/4000-4999/4100-4199/4111.Python统计建模到深度学习全程班/玩转深度学习--Python数据分析课程【New】/

01_1.1-深度学习？深在哪里？！.mp4
02_1.2-课程内容介绍.mp4
03_1.3-如何选择各类深度学习模型.mp4
04_1.4-图像的数据表示方式.mp4
05_1.5-图像与数据的互相转换.mp4
06_1.6-MNIST数据集介绍.mp4
07_1.7-CIFAR-10数据集介绍.mp4
08_1.8-什么是张量.mp4
09_2.1-Python常用IDE简介.mp4
10_2.2-Anaconda的安装与配置.mp4
11_2.3-Jupyter-Notebook的基本操作.mp4
12_2.4-Keras+TensorFlow组合的优势.mp4
13_2.5-安装Keras+TensorFlow组合.mp4
14_2.6-该选择Tensorflow-1还是2？.mp4
15_2.7-穷人的GPU：plaidML.mp4
16_3.1-神经网络的基本原理.mp4
17_3.2-神经网络原理的具体演示.mp4
18_3.3-神经网络的算法实质.mp4
19_3.4-神经网络的连接函数.mp4
20_3.5-损失函数与凸函数.mp4
21_3.6-控制模型复杂度：正则化.mp4
22_3.7-损失函数的求解：梯度下降法.mp4
23_3.8-损失函数的求解：自适应算法.mp4
24_4.1-keras的基本操作步骤.mp4
25_4.2-Keras操作的常用命令.mp4
26_4.3-IRIS分析实例.mp4
27_4.4-模型的可视化.mp4
28_4.5-模型的终止训练、保存与载入.mp4
29_4.6-模型的修改.mp4
30_4.7-将Keras与sklearn结合使用.mp4
31_4.8-用Keras拟合MNIST案例.mp4
32_5.1-什么是卷积？.mp4
33_5.2-CNN的基本原理.mp4
34_5.3-CNN网络的结构.mp4
35_5.4-Keras中和CNN有关的层设定.mp4
36_5.5-MNIST实例的CNN实现.mp4
37_5.6-对CIFAR10案例拟合简单CNN模型.mp4
38_5.7-对CIFAR10案例拟合复杂CNN模型.mp4
39_6.1-缺少源数据对建模的影响.mp4
40_6.2-定义所需的图像变换方法.mp4
41_6.3-直接生成变换后的图像数据.mp4
42_6.4-流式数据处理.mp4
43_6.5-图像的缩放操作.mp4
44_7.1-为什么需要迁移学习.mp4
45_7.2-LeNet和AlexNet.mp4
46_7.3-VGG.mp4
47_7.4-ResNet.mp4
48_7.5-GoogleNet.mp4
49_7.6-Xception、DenseNet和NasNet.mp4
50_7.7-Keras提供的预训练模型.mp4
51_7.8-直接应用原模型预测.mp4
52_7.9-利用原模型对数据做预处理.mp4
53_7.10-Keras的函数式API.mp4
54_7.11-在原模型的基础上继续训练.mp4
55_8.1-RNN的基本原理.mp4
56_8.2-RNN的模型种类.mp4
57_8.3-RNN相关的网络层定义.mp4
58_8.4-用RNN拟合MNIST案例.mp4
59_8.5-RNN拟合IMDB案例.mp4
60_9.1-LSTM的基本原理.mp4
61_9.2-用LSTM拟合IMDB案例.mp4
62_9.3-自动写作案例：数据准备.mp4
63_9.4-自动写作案例：模型拟合.mp4
64_9.5-GRU的基本原理.mp4
65_9.6-用GRU拟合IMDB案例.mp4

Copyright © All rights reserved.

信息加载中,请等待...