唐YD深度学习原理与框架

现阶段，计算机视觉，自然语言处理与语音识别发展迅速，巨头公司都在争相发展AI科技，其中最为核心的技术支撑就是深度学习了，深度学习系列内容从神经网络基础模块开始一步步延伸至卷积神经网络与递归神经网络，基于深度学习两大核心框架Tensorflow与Caffe进行项目实战。

0000.深度学习原理与框架
├─ 第01章 深度学习概述与计算机视觉挑战
│ ├─ 1-1 深度学习概述.mp4
│ ├─ 1-2 挑战与常规套路.mp4
│ ├─ 1-3 用k近邻来进行分类.mp4
│ └─ 1-4 超参数与交叉验证.mp4
├─ 第02章 深度学习必备基础知识点
│ ├─ 2-1 得分函数.mp4
│ ├─ 2-2 损失函数.mp4
│ ├─ 2-3 正则化惩罚项.mp4
│ ├─ 2-4 softmax分类器.mp4
│ ├─ 2-5 最优化解释.mp4
│ ├─ 2-6 最优化细节问题.mp4
│ └─ 2-7 反向传播.mp4
├─ 第03章 神经网络整体架构
│ ├─ 3-1 整体架构.mp4
│ ├─ 3-2 实例演示.mp4
│ └─ 3-3 过拟合解决方案.mp4
├─ 第04章 Cifar图像分类任务
│ ├─ 4-1 神经网络案例-cifar分类任务.mp4
│ ├─ 4-2 神经网络案例-分模块构造神经网络.mp4
│ ├─ 4-3 神经网络案例-训练神经网络完成分类任务.mp4
│ └─ 4-4 感受神经网络的强大.mp4
├─ 第05章 自然语言处理wrod2vec模型
│ ├─ 5-1 简介.mp4
│ ├─ 5-10 梯度上升求解.mp4
│ ├─ 5-11 负采样模型.mp4
│ ├─ 5-2 自然语言处理与深度学习.mp4
│ ├─ 5-3 语言模型.mp4
│ ├─ 5-4 N-gram模型.mp4
│ ├─ 5-5 词向量.mp4
│ ├─ 5-6 神经网络模型.mp4
│ ├─ 5-7 Hierarchical Softmax.mp4
│ ├─ 5-8 CBOW模型实例.mp4
│ └─ 5-9 CBOW求解目标.mp4
├─ 第06章 Gensim中文词向量建模
│ ├─ 6-1 使用Gensim库构造词向量.mp4
│ ├─ 6-2 维基百科中文数据处理.mp4
│ ├─ 6-3 Gensim构造wrod2vec模型.mp4
│ └─ 6-4 测试模型相似度结果.mp4
├─ 第07章 使用wrod2vec进行分类任务
│ ├─ 7-1 影评情感分类.mp4
│ ├─ 7-2 基于词袋模型训练分类器.mp4
│ ├─ 7-3 准备wrod2vec输入数据.mp4
│ └─ 7-4 使用gensim构建词向量.mp4
├─ 第08章 卷积神经网络基本原理
│ ├─ 8-1 卷积神经网络的应用.mp4
│ ├─ 8-2 卷积层详解.mp4
│ ├─ 8-3 卷积计算过程.mp4
│ ├─ 8-4 卷积涉及参数.mp4
│ ├─ 8-5 卷积参数共享.mp4
│ └─ 8-6 池化层原理.mp4
├─ 第09章 案例实战卷积神经网络
│ ├─ 9-1 卷积的反向传播.mp4
│ ├─ 9-2 卷积网络代码.mp4
│ └─ 9-3 卷积网络代码2.mp4
├─ 第10章 卷积网络细节
│ ├─ 10-1 数据增强策略.mp4
│ ├─ 10-2 迁移学习.mp4
│ ├─ 10-3 网络设计技巧.mp4
│ ├─ 10-4 经典网络架构.mp4
│ ├─ 10-5 分类与回归任务.mp4
│ └─ 10-6 三代物体检测算法.mp4
├─ 第11章 RNN网络架构
│ ├─ 11-1 RNN网络概述.mp4
│ ├─ 11-2 RNN网络细节.mp4
│ └─ 11-3 LSTM网络架构.mp4
├─ 第12章 Tensorflow基本操作
│ ├─ 12-1 Tensorflow简介与安装.mp4
│ ├─ 12-2 Tensorflow中的变量.mp4
│ ├─ 12-3 变量常用操作.mp4
│ ├─ 12-4 实现线姓回归算法.mp4
│ ├─ 12-5 Mnist数据集简介.mp4
│ └─ 12-6 逻辑回归算法.mp4
├─ 第13章 Tensorflow卷积神经网络
│ ├─ 13-1 神经网络结构.mp4
│ ├─ 13-2 卷积神经网络结构基本定义.mp4
│ ├─ 13-3 卷积神经网络迭代.mp4
│ └─ 13-4 Cifar-10图像分类任务.mp4
├─ 第14章 Tensorflow实战：猫狗识别
│ ├─ 14-1 猫狗识别任务概述.mp4
│ ├─ 14-2 数据读取.mp4
│ ├─ 14-3 网络架构.mp4
│ ├─ 14-4 网络迭代训练.mp4
│ └─ 14-5 预测效果.mp4
├─ 第15章 Tensorflow递归神经网络实战
│ ├─ 15-1 RNN网络基本架构.mp4
│ ├─ 15-2 实现RNN网络架构.mp4
│ ├─ 15-3 RNN实现自己的小DEMO.mp4
│ └─ 15-4 RNN预测时间序列.mp4
├─ 第16章 致敬经典：Alexnet网络实战
│ ├─ 16-1 环境配置.mp4
│ ├─ 16-2 数据读取与参数设置.mp4
│ ├─ 16-3 网络结构定义.mp4
│ └─ 16-4 加载训练好的参数.mp4
├─ 第17章 Tensorboard可视化展示
│ ├─ 17-1 可视化展示.mp4
│ ├─ 17-2 展示效果.mp4
│ ├─ 17-3 统计可视化.mp4
│ └─ 17-4 参数对结果的影响.mp4
├─ 第18章 tfrecord制作数据源
│ ├─ 18-1 生成自己的数据集.mp4
│ ├─ 18-2 读取数据.mp4
│ ├─ 18-3 生成数据源.mp4
│ └─ 18-4 加载数据进行分类任务.mp4
├─ 第19章 CNN应用于文本分类任务
│ ├─ 19-1 任务概述.mp4
│ ├─ 19-2 特征定义.mp4
│ ├─ 19-3 卷积网络定义.mp4
│ └─ 19-4 完成预测分类任务.mp4
├─ 第20章 tensorflow实战-验证码识别
│ ├─ 20-1 验证码数据生成.mp4
│ ├─ 20-2 构造网络输入数据和标签.mp4
│ ├─ 20-3 卷积网络模型定义.mp4
│ └─ 20-4 迭代测试网络效果.mp4
├─ 第21章 Resnet残差网络
│ ├─ 21-1 resnet网络原理.mp4
│ ├─ 21-2 网络流程设计.mp4
│ └─ 21-3 实现细节.mp4
├─ 第22章 图像补全
│ ├─ 22-1 论文概述.mp4
│ ├─ 22-2 网络架构.mp4
│ ├─ 22-3 细节设计.mp4
│ ├─ 22-4 论文总结.mp4
│ ├─ 22-5 数据与项目概述.mp4
│ ├─ 22-6 参数基本设计.mp4
│ ├─ 22-7 网络结构配置.mp4
│ ├─ 22-8 网络迭代训练.mp4
│ └─ 22-9 测试模块.mp4
├─ 第23章 图像超分辨率重构
│ ├─ 23-1 论文概述.mp4
│ ├─ 23-2 网络架构.mp4
│ ├─ 23-3 数据与环境配置.mp4
│ ├─ 23-4 数据加载.mp4
│ ├─ 23-5 生成模块.mp4
│ ├─ 23-6 判别模块.mp4
│ ├─ 23-7 VGG特征提取.mp4
│ ├─ 23-8 损失函数与训练.mp4
│ └─ 23-9 测试结果.mp4
├─ 第24章 实现word2vec
│ ├─ 24-1 数据与任务流程.mp4
│ ├─ 24-2 数据清洗.mp4
│ ├─ 24-3 batch数据制作.mp4
│ ├─ 24-4 网络训练.mp4
│ └─ 24-5 可视化展示.mp4
├─ 第25章 LSTM行为识别
│ ├─ 25-1 任务概述.mp4
│ ├─ 25-2 数据与网络设计.mp4
│ └─ 25-3 网络迭代训练.mp4
├─ 第26章 文本相似度判别
│ ├─ 26-1 任务概述.mp4
│ ├─ 26-2 数据展示.mp4
│ ├─ 26-3 正负样本制作.mp4
│ ├─ 26-4 数据预处理.mp4
│ ├─ 26-5 网络模型定义.mp4
│ ├─ 26-6 基于字符的训练.mp4
│ └─ 26-7 基于句子的相似度训练.mp4
├─ 第27章 对话机器人
│ ├─ 27-1 效果演示.mp4
│ ├─ 27-2 参数配置与数据加载.mp4
│ ├─ 27-3 数据处理.mp4
│ ├─ 27-4 词向量与投影.mp4
│ ├─ 27-5 seq网络.mp4
│ └─ 27-6 网络训练.mp4
├─ 第28章 深度学习-Caffe框架基础
│ ├─ 28-1 Caffe简介.mp4
│ ├─ 28-2 网络配置文件-数据层.mp4
│ ├─ 28-3 网络配置文件-计算层.mp4
│ └─ 28-4 超参数文件.mp4
├─ 第29章 Caffe制作数据源
│ ├─ 29-1 制作LMDB数据源.mp4
│ └─ 29-2 多label之hdf5数据源.mp4
├─ 第30章 Caffe常用技巧
│ ├─ 30-1 使用命令行训练网络.mp4
│ ├─ 30-2 使用python定义自己的层.mp4
│ ├─ 30-3 绘制网络结构图.mp4
│ ├─ 30-4 生成网络配置文件.mp4
│ ├─ 30-5 绘制loss曲线.mp4
│ └─ 30-6 对训练结果进行分类任务.mp4
├─ 第31章 Tensorflow基本原理（旧版，新学员请跳过）
│ ├─ 31-1 简介.mp4
│ ├─ 31-2 tensorflow安装.mp4
│ ├─ 31-3 基本计算单元.mp4
│ ├─ 31-4 常用基本操作.mp4
│ ├─ 31-5 构造线姓回归模型.mp4
│ ├─ 31-6 Mnist数据集简介.mp4
│ ├─ 31-7 逻辑回归框架.mp4
│ └─ 31-8 迭代完成逻辑回归.mp4
└─ 第32章 Tensorflow-神经网络模型（旧版，新学员请跳过）
├─ 32-1 神经网络模型架构.mp4
├─ 32-2 训练神经网络.mp4
├─ 32-3 卷积神经网络模型架构.mp4
├─ 32-4 卷积神经网络模型参数.mp4
├─ 32-5 模型的保存和读取.mp4
├─ 32-6 使用RNN处理mnist数据集.mp4
├─ 32-7 RNN网络模型.mp4
└─ 32-8 训练RNN网络.mp4