深度学习之神经网络(CNN&RNN&GAN)算法原理+实战 - 带源码课件

编辑点评

系统讲解CNN、RNN、GAN等深度学习算法，实战性强，适合进阶学习。

⭐ 编辑推荐

本课程深入浅出地解析神经网络算法原理，通过实战案例掌握CNN、RNN、GAN等深度学习技术。

✨ 课程亮点

课程目录

📁 第2章 神经网络入门
2-2 神经元-逻辑斯底回归模型.mp4 [22.6 MB]
2-7 神经元实现（二分类逻辑斯蒂回归模型实现）.mp4 [323.2 MB]
2-5 数据处理与模型图构建(1).mp4 [101.9 MB]
2-4 姊害涓嬮檷.mp4 [52.7 MB]
2-1 机器学习、深度学习简介.mp4 [52.1 MB]
2-6 数据处理与模型图构建(2).mp4 [69.8 MB]
2-3 神经元多输出.mp4 [27.5 MB]
2-8 神经网络实现（多分类逻辑斯蒂回归模型实现）.mp4 [148.0 MB]
📁 第1章 课程介绍
1-1 课程导学.mp4 [45.4 MB]
📁 第10章 自动机器学习网络-AutoML
10-5 自动网络结构搜索算法三_深度学习之神经网络RNNGAN算法原理实战.mp4 [25.4 MB]
10-3 自动网络结构搜索算法一的分布式训练_深度学习之神经网络RNNGAN算法原理实战.mp4 [27.7 MB]
10-4 自动网络结构搜索算法二_深度学习之神经网络RNNGAN算法原理实战.mp4 [26.6 MB]
10-2 自动网络结构搜索算法一_深度学习之神经网络RNNGAN算法原理实战.mp4 [44.4 MB]
10-1 AutoML引入_深度学习之神经网络RNNGAN算法原理实战.mp4 [13.6 MB]
📁 第5章 卷积神经网络调参
5-10 批归一化实战（1）【优质资源‖关注：cunWorkNotes 解锁】.mp4 [155.8 MB]
5-6 fine-tune-实战.mp4 [172.8 MB]
5-11 批归一化实战（2）.mp4 [171.6 MB]
5-7 actiation-initializer-optimizer-实战.mp4 [179.7 MB]
5-9 图像增强实战.mp4 [213.0 MB]
5-4 Tensorboard实战（1） (1).mp4 [212.4 MB]
5-2 激活函数到调参技巧（1）.mp4 [61.4 MB]
5-8 图像增强api使用.mp4 [149.6 MB]
5-4 Tensorboard实战（1）.mp4 [145.2 MB]
5-3 激活函数到调参技巧（2）.mp4 [47.8 MB]
📁 第4章 卷积神经网络进阶
4-5 GG-ResNet实战（2）【资源精选‖更多关注：CunworkNotes】.mp4 [176.8 MB]
4-3 卷积神经网络进阶（inception-mobile-net）.mp4 [55.4 MB]
4-2 卷积神经网络进阶（ggnet-Resnet）.mp4 [73.3 MB]
4-1 卷积神经网络进阶（alexnet）.mp4 [51.2 MB]
4-4 GG-ResNet实战（1）.mp4 [160.9 MB]
📁 第6章 图像风格转换
6-1 卷积神经网络的应用【不易整理‖请关注：CunWorkNoteS】.mp4 [46.3 MB]
6-8 图像风格转换计算图构建与损失函数计算.mp4 [109.1 MB]
6-10 图像风格转换效果展示.mp4 [52.2 MB]
6-12 图像风格转换3算法【整理不易‖记得关注：CunWorKNotes】.mp4 [16.1 MB]
6-5 GG16预训练模型读取函数封装.mp4 [69.2 MB]
6-2 卷积神经网络的能力.mp4 [54.0 MB]
6-4 GG16预训练模型格式.mp4 [31.7 MB]
6-7 图像风格转换算法定义输入与调用GG-Net.mp4 [87.7 MB]
6-9 图像风格转换训练流程代码实现.mp4 [194.9 MB]
6-6 GG16模型搭建与载入类的封装.mp4 [162.3 MB]
6-11 图像风格转换2算法.mp4 [43.0 MB]
6-3 图像风格转换1算法.mp4 [33.3 MB]
📁 第7章 循环神经网络
7-5 基于CNN的文本分类模型(TextCNN)【持续更新‖免费提供：CunworknoteS】.mp4 [55.6 MB]
7-16 训练流程实现.mp4 [92.9 MB]
7-9 实战代码模块解析.mp4 [19.2 MB]
7-17 LSTM单元内部结构实现.mp4 [173.6 MB]
7-6 RNN与CNN融合解决文本分类【资源精选‖更多关注：CunworkNotes】.mp4 [47.9 MB]
7-19 循环神经网络总结.mp4 [2.8 MB]
7-13 计算图输入定义【更多精选‖公众号：CunWorknotes】 .mp4 [68.5 MB]
7-14 计算图实现.mp4 [87.2 MB]
7-15 指标计算与梯度算子实现.mp4 [54.4 MB]
7-3 长短期记忆网络.mp4 [26.2 MB]
7-4 基于LSTM的文本分类模型(TextRNN与HAN).mp4 [33.8 MB]
7-7 数据预处理之分词.mp4 [130.6 MB]
7-2 循环神经网络.mp4 [64.5 MB]
7-12 数据集封装.mp4 [109.2 MB]
7-8 数据预处理之词表生成与类别表生成.mp4 [72.2 MB]
7-18 TextCNN实现.mp4 [107.4 MB]
7-11 词表封装与类别封装.mp4 [107.9 MB]
📁 第8章 图像生成文本
8-10 图像特征抽取(1)-文本描述文件解析【整理不易‖记得关注：CunWorKNotes】.mp4 [60.7 MB]
8-12 输入输出文件与默认参数定义【整理不易‖记得关注：CunWorKNotes】.mp4 [39.6 MB]
8-20 训练流程代码.mp4 [77.7 MB]
8-18 计算图构建-图片与词语embedding.mp4 [94.6 MB]
8-21 文本生成图像问题引入与本节课总结.mp4 [17.1 MB]
8-15 ImageCaptionData类封装-图片特征读取.mp4 [83.0 MB]
8-3 Encoder-Decoder框架与Beam Search算法生成文本.mp4 [14.2 MB]
8-19 计算图构建-rnn结构实现、损失函数与训练算子实现.mp4 [161.9 MB]
8-17 计算图构建-辅助函数实现.mp4 [42.4 MB]
8-9 数据介绍，词表生成.mp4 [86.2 MB]
8-11 图像特征抽取(2)-Inception3预训练模型抽取图像特征.mp4 [87.1 MB]
8-2 图像生成文本评测指标.mp4 [17.6 MB]
8-8 图像生成文本模型对比与总结.mp4 [10.0 MB]
8-14 文本描述转换为ID表示.mp4 [38.3 MB]
8-1 图像生成文本问题引入⼊.mp4 [59.6 MB]
8-13 璇嶈〃杞藉叆.mp4 [58.2 MB]
8-16 ImageCaptionData类封装-批数据生成.mp4 [155.5 MB]
📁 第9章 对抗神经网络
9-8 多领域图像翻译StarGAN_深度学习之神经网络RNNGAN算法原理实战【持续更新‖免费提供：CunworknoteS】.mp4 [43.4 MB]
9-1 对抗生成网络原理.mp4 [213.0 MB]
9-7 无配对图像翻译CycleGAN(2)_深度学习之神经网络RNNGAN算法原理实战【优质资源‖关注：cunWorkNotes 解锁】.mp4 [26.7 MB]
9-4 深度卷积对抗生成网络DCGAN(2)_深度学习之神经网络RNNGAN算法原理实战.mp4 [21.4 MB]
9-9 文本生成图像Text2Img_深度学习之神经网络RNNGAN算法原理实战.mp4 [37.9 MB]
9-10 对抗生成网络总结_深度学习之神经网络RNNGAN算法原理实战.mp4 [8.2 MB]
9-5 图像翻译Pix2Pix_深度学习之神经网络RNNGAN算法原理实战.mp4 [46.5 MB]
9-6 无配对图像翻译CycleGAN(1)_深度学习之神经网络RNNGAN算法原理实战.mp4 [17.4 MB]
9-16 DCGAN训练算子实现_深度学习之神经网络RNNGAN算法原理实战.mp4 [49.0 MB]
9-14 DCGAN判别器实现.mp4 [334.9 MB]
9-13 DCGAN生成器器实现.mp4 [720.8 MB]
9-11 DCGAN实战引⼊.mp4 [103.4 MB]
9-2 深度卷积对抗生成网络DCGAN(1).mp4 [24.4 MB]
9-12 数据生成器实现_深度学习之神经网络RNNGAN算法原理实战.mp4 [77.1 MB]
9-17 训练流程实现与效果展示_深度学习之神经网络RNNGAN算法原理实战.mp4 [82.4 MB]
9-15 DCGAN计算图构建实现与损失函数实现_深度学习之神经网络RNNGAN算法原理实战.mp4 [65.7 MB]
📁 第3章 卷积神经网络
3-2 卷积神经网络（1）.mp4 [61.4 MB]
3-3 卷积神经网络（2）.mp4 [39.6 MB]
3-1 神经网络进阶.mp4 [48.9 MB]
3-4 卷积神经网络实战.mp4 [128.5 MB]
📁 第11章 课程总结
11-1 课程总结.mp4 [33.7 MB]
资料.zip [2.6 GB]

适合人群

• 深度学习爱好者
• 算法工程师
• 数据科学家

🎯 学习收获

• 掌握神经网络算法原理
• 学会CNN、RNN、GAN等实战应用
• 提升深度学习技能

🎉 祝您学习愉快！