Python +AI -黑马- 人脸识别Python人工智能
课程简介
这套资料的主线其实很清晰：一半在讲人脸识别，一半在讲自然语言处理和聊天机器人。它不是那种只讲概念的科普课，而是把 Python 作为统一载体，把深度学习模型、数据处理、工程封装串成一条可以照着敲的路径。下面按技术栈、项目结构、可复用部分和自学方式拆开说。 技术栈与运行环境 从资料结构看，课程以 Python 为主语言，涉及 OpenCV、NumPy 以及至…
这套资料的主线其实很清晰：一半在讲人脸识别，一半在讲自然语言处理和聊天机器人。它不是那种只讲概念的科普课，而是把 Python 作为统一载体，把深度学习模型、数据处理、工程封装串成一条可以照着敲的路径。下面按技术栈、项目结构、可复用部分和自学方式拆开说。
技术栈与运行环境
从资料结构看，课程以 Python 为主语言，涉及 OpenCV、NumPy 以及至少一个深度学习框架（目录中出现的端对端深度学习模型、Beam Search 解码等内容，说明会用到序列生成相关的模型实现）。人脸识别部分通常绕不开人脸检测、特征提取、比对这三步，课程把这几个环节分开讲，而不是一上来丢一个端到端模型让你调参。对已经写过 Python、但没系统做过视觉或 NLP 项目的人来说，这种拆分方式更便于定位问题：检测框不准、特征向量不可分、阈值设错，分别对应不同的调试位置。
需要留意的是环境依赖。人脸识别和 NLP 这类项目对版本比较敏感，尤其是 OpenCV 与深度学习框架的搭配、CUDA 与 CPU 推理的切换。建议先把运行环境固定下来，再按章节推进，不要一边跑代码一边升级依赖。
项目结构：从 NLP 基础到聊天机器人
资料里能看出两条并行的组织逻辑。一条是知识线：自然语言处理基础概念、NLP 的种类、端对端深度学习模型、Beam Search 解码，这些是理解生成式模型的前置知识。另一条是项目线：从无到有打造聊天机器人。项目线不是等所有理论讲完才动手，而是把理论拆散嵌进实现过程，比如讲完解码策略就去改生成逻辑，讲完模型结构就去替换网络层。
人脸识别部分同样有这种“先分步后整合”的痕迹。这类内容如果只看视频，很容易产生“我看懂了”的错觉，但真正卡人的往往是对齐、归一化、相似度度量这些中间步骤。资料里如果保留了对应的实操环节，建议每一节都自己跑一遍，而不是跳着看结论。
可复用的几个模块
- 数据预处理管线：人脸对齐、尺寸归一化、NLP 分词与向量化，这两类预处理虽然领域不同，但封装思路一致，可以各自抽成独立函数或类。
- 模型推理封装：把加载模型、预处理、前向计算、后处理合成一个可调用接口，聊天机器人和人脸识别都能复用同一套调用习惯。
- 解码与后处理：Beam Search 这类解码逻辑不只在聊天机器人里有用，凡是序列生成任务都可以迁移。
- 项目脚手架：从无到有的聊天机器人项目本身就是一份可参考的工程骨架，目录划分、配置管理、接口定义都可以拿来改成自己的项目结构。
这些模块的价值不在于代码多复杂，而在于它们划清了“数据处理”和“模型逻辑”的边界，后续换模型、换数据集时不用推倒重来。
怎么用这套资料更有效
建议按“先跑通再理解”的顺序来。第一遍不追求完全看懂每个公式，先把人脸识别和聊天机器人两条链路各跑通一次，确认环境、数据、输出都正常。第二遍再回到 NLP 基础概念和端对端模型部分，对照自己跑出来的结果去理解每一步在做什么。第三遍可以尝试替换数据集或调整解码参数，观察输出变化。
如果时间有限，优先保证项目线完整走完，理论部分可以按需回看。人脸识别和聊天机器人虽然场景不同，但都涉及“输入处理—模型推理—结果后处理”这条共同链路，把这条链路吃透，比单独记某个 API 更有迁移价值。
总体来看，这套资料适合拿来对照实践：有明确的项目目标、有分步的实现过程、也有可拆出来复用的模块。不要把它当成看完就结束的视频合集，边看边改代码，收获会实在得多。
Python +AI -黑马- 人脸识别Python人工智能
Python人工智能实战课程
编辑点评
深入浅出，从基础到实战，全面掌握人脸识别与聊天机器人开发。
⭐ 编辑推荐
本课程采用Python语言，结合AI技术，带你从零开始学习人脸识别和聊天机器人开发。
✨ 课程亮点
✦人脸识别技术深度解析
✦聊天机器人实战项目
✦Python人工智能应用
课程目录
5.实战项目-从无到有打造聊天机器人18 集
- 09.ChatBot 数据初步清洗.mp4 [23.7 MB]
- 14. ChatBot 閫嗗悜瀛楀吀.mp4 [21.0 MB]
- 12. ChatBot 标记化&去除少数字.mp4 [19.1 MB]
- 03.chatbot 下载数据集.mp4 [74.9 MB]
- 07. ChatBot 建立对话列表.mp4 [23.6 MB]
- 34. ChatBot 数据分割.mp4 [15.2 MB]
- 28. ChatBot 模型輸入序列長度.mp4 [36.3 MB]
- 19. ChatBot 澶勭悊杈撳嚭.mp4 [41.0 MB]
- 33. ChatBot 问答数据批量.mp4 [22.8 MB]
- 02.chatbot 环境搭建下载数据集.mp4 [34.1 MB]
- 06.chatbot 创建对話字典.mp4 [29.3 MB]
- 31. ChatBot 损失，优化，梯度消減.mp4 [25.1 MB]
- 10. ChatBot 清理问题集&回答集.mp4 [21.3 MB]
- 05.ChatBot 读取数据.mp4 [26.7 MB]
- 30. ChatBot训练 & 测试結果.mp4 [30.6 MB]
- 29. ChatBot 設置輸入的数据形状.mp4 [28.3 MB]
- 32. ChatBot 问答等长处理.mp4 [29.8 MB]
- 5.实战项目-从无到有打造聊天机器人资料.png [493.5 KB]
1.自然语言处理基础概念1 集
- 2.端对端深度学习模型.mp4 [84.0 MB]
3.自然语言处理基础实作-深度学习篇2 集
- 12.深度学习-Deep Learning in NLP_模型加速.mp4 [65.3 MB]
- 11.深度学习-Deep Learning in NLP_模型优化.mp4 [43.5 MB]
4.自然语言处理核心部分5 集
- 9.鏂囨湰鍒嗙被CNN&RNN.mp4 [65.8 MB]
- 7.鏂囨湰鍒嗙被.mp4 [61.7 MB]
- 11. 文本分类 RNN 搭建.mp4 [123.6 MB]
- 8.文本分类的方式.mp4 [31.0 MB]
- 10. 文本分类 CNN 模型使用.mp4 [130.2 MB]
2.自然语言处理基础实作-机器学习篇10 集
- 8.机器学习-NLTK_最大过滤.mp4 [10.9 MB]
- 9.机器学习-NLTK_建立词袋模型.mp4 [77.9 MB]
- 7.机器学习-NLTK_稀疏矩阵.mp4 [15.6 MB]
- 2.机器学习-NLTK_清理数据.mp4 [7.6 MB]
- 5.机器学习-NLTK_词根化.mp4 [33.8 MB]
- 6.机器学习-NLTK_还原字符串.mp4 [55.4 MB]
- 1.机器学习-NLTK_数据读取.mp4 [30.6 MB]
- 3.机器学习-NLTK_大小写转换.mp4 [7.6 MB]
- 4.机器学习-NLTK_去除虚词.mp4 [13.0 MB]
- 1-7 自然语言处理必看.zip [1.8 MB]
1.平台介绍8 集
- 1_4_百度深度学习平台_创建集群.mp4 [15.5 MB]
- 1_7_人工智能平台_访问方式和SDK安装.mp4 [38.7 MB]
- 1_1_访问入口.mp4 [13.4 MB]
- 1_5_百度人工智能平台_功能介绍.mp4 [21.1 MB]
- 1_6_人工智能平台_服务开通.mp4 [15.8 MB]
- 1_3_百度深度学习平台_介绍.mp4 [24.4 MB]
- 1_2_机器学习平台_介绍.mp4 [20.5 MB]
- 0_课程组成和目标.mp4 [3.8 MB]
6.自然语言处理1 集
- 4_1_1_自然语言处理基础技术.mp4 [27.3 MB]
2.图像技术之人脸识别9 集
- 2_1_1_人脸识别功能介绍_开通应用.mp4 [21.5 MB]
- 2_1_6_人脸检测_图像坐标.mp4 [19.8 MB]
- 2_1_7_人脸检测_边框.mp4 [28.4 MB]
- 2_1_3_人脸检测_步骤和代码浏览.mp4 [25.8 MB]
- 2_1_4_人脸检测_获取access_token.mp4 [23.7 MB]
- 2_1_2浜鸿劯璇嗗埆_API.mp4 [36.9 MB]
- 2_1_8_人脸检测_性别年龄总结.mp4 [27.2 MB]
- 2_1_9_人脸检测_SDK方式.mp4 [27.7 MB]
- 2_1_5_人脸检测_调用API.mp4 [48.9 MB]
5.语音技术4 集
- 3_1_3_语音识别案例_案例.mp4 [17.0 MB]
- 3_1_2_语音识别案例_代码浏览.mp4 [11.6 MB]
- 3_2_1璇煶鍚堟垚.mp4 [14.5 MB]
- 3_1_1_语音识别_介绍和API.mp4 [18.2 MB]
7.人脸识别打卡案例5 集
- 5_1_2_案例_人脸搜索代码浏览.mp4 [151.7 MB]
- 5_1_1_案例_前端部分介绍.mp4 [15.3 MB]
- 5_1_3_妗堜緥_鑾峰彇token.mp4 [26.9 MB]
- 5_1_4_案例_添加用户_人脸搜索.mp4 [267.8 MB]
- 5_1_0_人脸打卡案例_介绍.mp4 [5.4 MB]
4.图像技术之文字识别8 集
- 2_3_2_通用文字识别_代码.mp4 [34.0 MB]
- 2_3_7_自定义模板_实际创建.mp4 [18.3 MB]
- 2_3_4_杞︾墝璇嗗埆.mp4 [15.6 MB]
- 2_3_8_自定义模板_API和代码.mp4 [17.4 MB]
- 2_3_3_通用文字识别_其他版本函数.mp4 [7.2 MB]
- 2_3_6_自定义模板_步骤.mp4 [24.9 MB]
- 2_3_5_通用票据识别.mp4 [33.2 MB]
- 2_3_1_功能介绍_创建应用.mp4 [21.6 MB]
3.图像技术之图像识别13 集
- 2_2_9_定制化图像识别_图像分类_迭代和常见问题.mp4 [12.2 MB]
- 2_2_11_定制化图像识别_物体检测API_错误码.mp4 [9.0 MB]
- 2_2_4_图像检测_车辆检测.mp4 [30.2 MB]
- 2_2_2_图像识别_物体检测API_实例.mp4 [32.4 MB]
- 2_2_6_定制化图像识别_图像分类_操作.mp4 [27.0 MB]
- 2_2_8_定制化图像识别_图像分类_代码实现.mp4 [44.9 MB]
- 2_2_7_定制化图像识别_图像分类_关联和调用流程.mp4 [13.2 MB]
- 2_2_3_图像检测识别_菜品识别.mp4 [24.7 MB]
- 2_2_1_图像识别功能_应用创建.mp4 [23.7 MB]
- 2_2_10_定制化图像识别_物体检测_流程.mp4 [21.9 MB]
- 2_2_5_定制化图像识别_特点和功能.mp4 [17.2 MB]
- 2_2_5_定制化图像识别_图像分类_步骤.mp4 [40.9 MB]
- 1-6 百度人脸识别说明.zip [1.8 MB]
4.深层神经网络4 集
- 01_深层神经网络表示.mp4 [18.0 MB]
- 03_参数初始化与超参数介绍.mp4 [15.1 MB]
- 02_深层神经网络的反向传播过程.mp4 [9.8 MB]
- 4.深层神经网络资料.zip [1.8 MB]
1.深度学习介绍1 集
- 01_深度学习课程介绍.mp4 [6.4 MB]
1.深度学习介绍2 集
- 02_深度学习介绍.mp4 [33.3 MB]
- 03_深度学习介绍2.mp4 [5.1 MB]
3.浅层神经网络10 集
- 03_激活函数的选择.mp4 [21.1 MB]
- 08_作业实现：网络模型逻辑实现.mp4 [15.4 MB]
- 06_作业实现：初始化模型与前向传播.mp4 [28.4 MB]
- 02_浅层神经网络的前向传播.mp4 [12.9 MB]
- 01_浅层神经网络表示.mp4 [14.9 MB]
- 00.浅层神经网络.mp4 [3.9 MB]
- 04_浅层神经网络的反向传播.mp4 [18.5 MB]
- 05_作业介绍.mp4 [7.8 MB]
- 09_总结.mp4 [7.7 MB]
- 07_作业实现：反向传播与更新梯度.mp4 [33.7 MB]
2.神经网络基础16 集
- 16_总结.mp4 [14.7 MB]
- 08_向量化编程介绍引入.mp4 [17.4 MB]
- 11_正向传播与反向传播、作业介绍.mp4 [14.2 MB]
- 02_逻辑回归损失函数.mp4 [17.2 MB]
- 09_向量化编程的优势.mp4 [17.5 MB]
- 03_梯度下降算法过程以及公式.mp4 [21.1 MB]
- 07_逻辑回归的导数计算图分析以及参数导数.mp4 [23.6 MB]
- 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 [10.0 MB]
- 14_作业讲解题2：参数初始化与前向传播、反向传播.mp4 [24.1 MB]
- 12_作业讲解题1：实现sigmoid函数与梯度实.mp4 [7.2 MB]
- 15_作业讲解题2：优化迭代实现、model逻辑实现.mp4 [23.1 MB]
- 05_a^2函数的导数介绍.mp4 [17.2 MB]
- 06_导数计算图与链式法则.mp4 [24.9 MB]
- 04_导数意义介绍.mp4 [6.9 MB]
- 10_向量化实现逻辑回归的梯度计算更新.mp4 [17.5 MB]
- 01_逻辑回归介绍.mp4 [26.9 MB]
1.循环神经网络12 集
- 10_手写RNN案例：所有cell的反向传播.mp4 [49.0 MB]
- 07_手写RNN案例：单个cell前向传播.mp4 [23.8 MB]
- 03_词的表示与矩阵形状运算.mp4 [33.0 MB]
- 04_交叉熵损失计算.mp4 [5.8 MB]
- 01_循环神经网络背景介绍.mp4 [13.0 MB]
- 06_梯度消失、案例介绍.mp4 [18.1 MB]
- 12_GRU与LSTM介绍.mp4 [26.4 MB]
- 05_时间反向传播算法.mp4 [37.8 MB]
- 02_循环神经网络结构原理.mp4 [26.7 MB]
- 11_案例总结.mp4 [6.0 MB]
- 08_手写RNN案例：所有cell的前向传播.mp4 [34.5 MB]
- 09_手写RNN案例：单个cell的反向传播.mp4 [34.8 MB]
2.词嵌入2 集
- 02_词嵌入案例.mp4 [31.2 MB]
- 01_词嵌入介绍.mp4 [20.8 MB]
3.seq2seq与Attention机制18 集
- 05_机器翻译案例：模型参数定义.mp4 [16.7 MB]
- 04_机器翻译案例：日期格式翻译转换、代码结构介绍.mp4 [17.8 MB]
- 10_机器翻译案例：自定义网络seq2seq的编解码器定义.mp4 [31.3 MB]
- 01_seq2seq介绍与理解.mp4 [24.6 MB]
- 17_集束搜索介绍.mp4 [16.2 MB]
- 16_机器翻译案例：测试逻辑结果演示.mp4 [11.2 MB]
- 08_机器翻译案例：网络输入输出逻辑介绍.mp4 [14.8 MB]
- 14_机器翻译案例：训练逻辑编写.mp4 [18.0 MB]
- 07_机器翻译案例：训练逻辑与网络结构介绍.mp4 [23.5 MB]
- 11_机器翻译案例：seq2seq的输出层定义.mp4 [9.6 MB]
- 06_机器翻译案例：数据获取以及数据格式转换介绍.mp4 [19.4 MB]
- 15_机器翻译案例：训练结果与问题解决.mp4 [8.5 MB]
- 02_seq2seq机器翻译等场景介绍分析.mp4 [6.2 MB]
- 03_Attention原理分析.mp4 [45.2 MB]
- 12_机器翻译案例：attention结构定义.mp4 [37.7 MB]
- 13_机器翻译案例：model中计算attention输出c逻辑函数实现.mp4 [25.9 MB]
- 09_机器翻译案例：网络输入输出逻辑编写.mp4 [39.7 MB]
- 1-4 循环神经网络文档.zip [1.8 MB]
1.卷积网络原理9 集
- 04_零填充.mp4 [17.4 MB]
- 05_过滤器大小与步长.mp4 [22.5 MB]
- 08_池化层.mp4 [15.5 MB]
- 06_多通道的卷积与多卷积核.mp4 [12.7 MB]
- 09_全连接层.mp4 [10.4 MB]
- 03_默认卷积的运算过程.mp4 [11.5 MB]
- 02_卷积网络结构介绍.mp4 [13.5 MB]
- 01_卷积来源、数据量与感受野的边缘检测.mp4 [51.5 MB]
- 07_卷积总结.mp4 [26.7 MB]
3.CNN实战3 集
- 01_作业介绍.mp4 [9.3 MB]
- 02_作业讲解.mp4 [57.0 MB]
- 03_迁移学习.mp4 [30.5 MB]
2.经典分类结构5 集
- 03_Inception(1x1卷积介绍）.mp4 [32.3 MB]
- 05_GoogleNet了解与卷积网络学习内容.mp4 [22.8 MB]
- 02_常见网络结构介绍.mp4 [26.3 MB]
- 04_Inception结构以及改进.mp4 [24.7 MB]
- 01_LeNet5的计算过程详解.mp4 [34.4 MB]
2.数据集格式转换5 集
- 02_格式转换：代码介绍.mp4 [27.9 MB]
- 03_格式转换：文件读取以及存储逻辑.mp4 [35.6 MB]
- 01_数据集格式转换介绍.mp4 [10.3 MB]
- 04_格式转换：图片数据以及XML读取.mp4 [79.1 MB]
- 05_格式转换：example封装、总结.mp4 [71.8 MB]
3.TFRecords读取4 集
- 04_第二阶段总结.mp4 [10.4 MB]
- 01_slim库介绍.mp4 [26.6 MB]
- 02_TFRecord读取：Dataset准备.mp4 [30.6 MB]
- 03_TFRecord读取：provider读取.mp4 [15.4 MB]
1.数据集标记2 集
- 02_商品数据集标记.mp4 [26.7 MB]
- 01_目标检测数据集介绍.mp4 [18.2 MB]
1.多分类9 集
- 03_案例：Mnist手写数字数据介绍.mp4 [18.2 MB]
- 06_案例：添加准确率.mp4 [33.5 MB]
- 01_深度学习紧接、多分类介绍.mp4 [17.6 MB]
- 05_案例：主网络结构搭建实现.mp4 [45.8 MB]
- 09_调整学习率带来的问题.mp4 [12.3 MB]
- 04_案例：网络结构、流程、代码介绍.mp4 [25.7 MB]
- 02_交叉熵损失原理.mp4 [24.4 MB]
- 07_案例：Tensorboard观察显示.mp4 [28.3 MB]
- 08_案例：添加模型保存、预测.mp4 [33.2 MB]
3.深度学习正则化7 集
- 04_其它正则化方法-早停止法与数据增强.mp4 [39.9 MB]
- 05_正则化作业介绍.mp4 [9.1 MB]
- 01_深度学习偏差与方差介绍为、什么需要正则化.mp4 [30.9 MB]
- 07_作业讲解2.mp4 [7.4 MB]
- 03_Droupout过程与原理理解.mp4 [38.4 MB]
- 06_作业讲解1.mp4 [24.3 MB]
- 02_正则化概念、L2正则化与L1正则化.mp4 [28.9 MB]
4.神经网络调参与BN2 集
- 02_批标准化定义、公式、为什么有效.mp4 [57.8 MB]
- 01_神经网络调参数技巧与如何设置参数、如何运行.mp4 [20.3 MB]
2.梯度下降算法优化9 集
- 07_作业介绍.mp4 [10.5 MB]
- 05_RMSProp与Adam原理与学习率递减.mp4 [16.2 MB]
- 06_标准化输入带来的优化.mp4 [19.4 MB]
- 09_作业讲解2.mp4 [5.8 MB]
- 02_Mini梯度下降与Batch梯度下降.mp4 [35.2 MB]
- 01_深度学习遇到问题、为什么需要优化算法.mp4 [33.1 MB]
- 08_作业讲解1.mp4 [74.0 MB]
- 03_指数加权平均.mp4 [20.5 MB]
- 04_动量梯度下降原理公式理解.mp4 [39.6 MB]
5.FasterRCNN原理4 集
- 02_FasterRCNN：RPN网络的原理.mp4 [23.5 MB]
- 01_FasterRCNN：网络结构与步骤.mp4 [15.5 MB]
- 03_FasterRCNN：总结与问题自测.mp4 [5.3 MB]
- 5.FasterRCNN原理说明.png [493.5 KB]
6.YOLO原理4 集
- 03_YOLO：训练过程样本标记.mp4 [4.7 MB]
- 01_YOLO：算法特点与流程介绍.mp4 [5.9 MB]
- 02_YOLO：单元格原理过程.mp4 [31.2 MB]
- 04_YOLO：总结.mp4 [3.3 MB]
7.SSD原理5 集
- 04_TensorflowSSD接口介绍.mp4 [23.9 MB]
- 02_SSD：localization与confidence.mp4 [17.7 MB]
- 03_SSD：训练与测试流程总结.mp4 [9.1 MB]
- 05_第一阶段算法总结.mp4 [42.2 MB]
- 01_SSD：网络结构与Detected结构.mp4 [25.3 MB]
3.SPPNet原理4 集
- 04_SPPNet：总结、优缺点与问题自测.mp4 [7.4 MB]
- 02_SPPNet：映射.mp4 [9.4 MB]
- 01_SPPNet：与RCNN的区别、网络流程.mp4 [10.4 MB]
- 03_SPPNet：SPP层的作用.mp4 [17.3 MB]
4.FastRCNN原理4 集
- 01_FastRCNN：改进之处以及网络流程.mp4 [7.1 MB]
- 04_FastRCNN：总结与问题自测.mp4 [3.6 MB]
- 03_FastRCNN：多任务损失.mp4 [15.8 MB]
- 02_FastRCNN：RoI pooling结构以及SPP对比.mp4 [15.2 MB]
2.RCNN原理8 集
- 08_RCNN：总结、优缺点与问题自测.mp4 [15.9 MB]
- 07_RCNN：训练过程与测试过程介绍.mp4 [24.9 MB]
- 05_RCNN：非极大抑制（NMS）.mp4 [14.2 MB]
- 04_RCNN：SVM分类器.mp4 [13.9 MB]
- 01_Overfeat模型.mp4 [21.3 MB]
- 03_RCNN：候选区域以及特征提取.mp4 [14.4 MB]
- 02_RCNN：步骤流程介绍.mp4 [9.1 MB]
- 06_RCNN：候选区域修正.mp4 [8.4 MB]
1.目标检测概述8 集
- 01_课程要求以及目标.mp4 [3.2 MB]
- 02_项目演示结果.mp4 [7.1 MB]
- 04_图像识别背景.mp4 [9.4 MB]
- 08_目标检测任务描述.mp4 [29.5 MB]
- 03_项目结构以及课程安排.mp4 [6.7 MB]
- 06_目标检测应用场景.mp4 [13.7 MB]
- 05_目标检测的定义和技术历史.mp4 [13.3 MB]
- 07_目标检测算法原理铺垫.mp4 [3.9 MB]
2.自动编码器7 集
- 07_案例：降噪编码器案例.mp4 [17.7 MB]
- 06_案例：降噪编码器介绍.mp4 [9.9 MB]
- 02_案例：编码器类别、普通自编码器流程、模型初始化逻辑.mp4 [31.5 MB]
- 01_自动编码器介绍.mp4 [11.3 MB]
- 03_案例：训练普通自编码器.mp4 [29.1 MB]
- 04_案例：深度自编码器编写演示.mp4 [7.9 MB]
- 05_案例：卷积自编码器编写演示.mp4 [18.4 MB]
3.CapsuleNet2 集
- 01_CapsuleNet了解.mp4 [33.4 MB]
- 02_深度学习课程总结.mp4 [27.3 MB]
1.生产对抗网络6 集
- 02_GAN原理、损失和DCGAN结构.mp4 [21.5 MB]
- 04_生成数字图片案例：模型初始化代码编写.mp4 [48.5 MB]
- 05_生成数字图片案例：训练流程.mp4 [43.6 MB]
- 01_高级主题介绍、GAN介绍.mp4 [32.7 MB]
- 06_生成数字图片案例：运行保存图片并对比.mp4 [14.1 MB]
- 03_生成数字图片案例：结果演示流程介绍.mp4 [20.8 MB]
11.服务器部署3 集
- 01_服务器部署：服务器部署的代码文件需求、服务开启.mp4 [14.7 MB]
- 02_项目总结.mp4 [26.4 MB]
- 11.服务器部署必看.zip [1.8 MB]
4.预处理接口实现4 集
- 01_预处理接口：预处理需求介绍、数据增强介绍.mp4 [48.9 MB]
- 02_预处理接口：预处理工厂代码.mp4 [31.7 MB]
- 03_预处理接口：预处理工厂代码参数错误调整.mp4 [2.8 MB]
- 04_数据接口、模型接口、预处理接口参数总结.mp4 [15.3 MB]
7.模型部署介绍2 集
- 01_web服务与模型部署流程关系介绍.mp4 [9.6 MB]
- 02_本地TensorFlow Serving演示以及逻辑介绍.mp4 [24.2 MB]
10.TFServing客户端6 集
- 06_Client：结果标记返回.mp4 [16.7 MB]
- 03_Client：grpc与serving apis介绍.mp4 [16.4 MB]
- 05_Client：结果解析.mp4 [19.2 MB]
- 01_Tensorflow serving client逻辑.mp4 [21.0 MB]
- 04_Client：客户端建立连接获取结果代码.mp4 [18.1 MB]
- 02_Client：用户输入图片处理.mp4 [23.6 MB]
6.测试过程实现2 集
- 01_测试：测试流程介绍、代码.mp4 [63.1 MB]
- 02_测试：图片输入、结果标记代码.mp4 [50.0 MB]
3.模型接口实现1 集
- 01_模型接口：接口设置以及模型工厂代码.mp4 [18.6 MB]
5.训练过程实现14 集
- 10_训练：2批处理获取以及数据形状变换.mp4 [28.9 MB]
- 13_训练：5总损失计算与变量平均梯度计算6训练配置.mp4 [32.8 MB]
- 07_训练：2网络参数修改、provider获取数据、预处理.mp4 [47.2 MB]
- 05_训练：2图片数据读取与处理逻辑介绍.mp4 [17.7 MB]
- 03_训练：训练运行结果显示与初始配置确定.mp4 [37.1 MB]
- 12_训练：3复制模型、添加参数观察与4添加学习率和优化器.mp4 [60.6 MB]
- 11_训练：2队列设置.mp4 [15.9 MB]
- 09_训练：2对anchors进行正负样本标记.mp4 [15.9 MB]
- 06_训练：2数据模块与网络模型获取结果.mp4 [38.7 MB]
- 08_训练：2NHWC和NCHW介绍.mp4 [7.2 MB]
- 01_训练：训练步骤与设备部署介绍.mp4 [23.2 MB]
- 04_训练：1设备配置代码以及全局步数定义.mp4 [33.5 MB]
- 14_训练：训练流程总结.mp4 [29.9 MB]
- 02_训练：model_deploy介绍.mp4 [30.7 MB]
2.数据接口实现5 集
- 05_数据接口：代码运行与数据模块总结.mp4 [19.5 MB]
- 01_数据接口：商品格式转换实现.mp4 [18.9 MB]
- 04_数据接口：数据读取工厂逻辑实现.mp4 [26.3 MB]
- 02_数据接口：读取数据接口设计以及基类如何定义.mp4 [26.3 MB]
- 03_数据接口：商品数据读取子类实现.mp4 [70.1 MB]
8.导出模型2 集
- 01_模型导出：模型输入输出定义.mp4 [20.7 MB]
- 02_模型导出：Savedmodel导出模型.mp4 [54.4 MB]
9.打开模型服务1 集
- 01_开启模型服务.mp4 [13.6 MB]
1.项目架构2 集
- 01_项目架构设计.mp4 [21.2 MB]
- 02_训练与测试整体结构设计.mp4 [15.3 MB]
适合人群
- Python初学者
- AI爱好者
- 有志于从事人工智能开发的专业人士
🎯 学习收获
- 掌握人脸识别技术
- 学会聊天机器人开发
- 提升Python人工智能应用能力
🎉 祝您学习愉快！
[衡天云]爆款云服务器 低至12元/月
![[衡天云]爆款云服务器 低至12元/月](/hty.png)