深度学习之神经网络(CNNRNNGAN)算法原理+实战

跟别人买的高清版本，资料也有，分享给大家。

课程推荐

《深度学习之神经网络(CNNRNNGAN)算法原理+实战》跟别人买的高清版本，资料也有，分享给大家。【技能收获】学完可掌握：Embedding 向量检索。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（106 节）

*   1-1 课程导学.mp4

*   2-1 机器学习、深度学习简介.mp4

*   2-2 神经元-逻辑斯底回归模型.mp4

*   2-3 神经元多输出.mp4

*   2-4 梯度下降.mp4

*   2-5 数据处理与模型图构建(1).mp4

*   2-6 数据处理与模型图构建(2).mp4

*   2-7 神经元实现（二分类逻辑斯蒂回归模型实现）.mp4

*   2-8 神经网络实现（多分类逻辑斯蒂回归模型实现）.mp4

*   3-1 神经网络进阶.mp4

*   3-2 卷积神经网络（1）.mp4

*   3-3 卷积神经网络（2）.mp4

*   3-4 卷积神经网络实战.mp4

*   4-1 卷积神经网络进阶（alexnet）.mp4

*   4-2 卷积神经网络进阶（Vggnet-Resnet）.mp4

*   4-3 卷积神经网络进阶（inception-mobile-net）.mp4

*   4-4 VGG-ResNet实战（1）.mp4

*   4-5 VGG-ResNet实战（2）.mp4

*   4-6 Inception-mobile_net（1）.mp4

*   4-7 Inception-mobile_net（2）.mp4

*   5-1 adagrad_adam.mp4

*   5-10 批归一化实战（1）.mp4

*   5-11 批归一化实战（2）.mp4

*   5-2 激活函数到调参技巧（1）.mp4

*   5-3 激活函数到调参技巧（2）.mp4

*   5-4 Tensorboard实战（1）.mp4

*   5-5 Tensorboard实战（2）.mp4

*   5-6 fine-tune-实战.mp4

*   5-7 activation-initializer-optimizer-实战.mp4

*   5-8 图像增强api使用.mp4

*   5-9 图像增强实战.mp4

*   6-1 卷积神经网络的应用.mp4

*   6-10 图像风格转换效果展示.mp4

*   6-11 图像风格转换V2算法.mp4

*   6-12 图像风格转换V3算法.mp4

*   6-2 卷积神经网络的能力.mp4

*   6-3 图像风格转换V1算法.mp4

*   6-4 VGG16预训练模型格式.mp4

*   6-5 VGG16预训练模型读取函数封装.mp4

*   6-6 VGG16模型搭建与载入类的封装.mp4

*   6-7 图像风格转换算法定义输入与调用VGG-Net.mp4

*   6-8 图像风格转换计算图构建与损失函数计算.mp4

*   6-9 图像风格转换训练流程代码实现.mp4

*   7-1 序列式问题.mp4

*   7-10 超参数定义.mp4

*   7-11 词表封装与类别封装.mp4

*   7-12 数据集封装.mp4

*   7-13 计算图输入定义.mp4

*   7-14 计算图实现.mp4

*   7-15 指标计算与梯度算子实现.mp4

*   7-16 训练流程实现.mp4

*   7-17 LSTM单元内部结构实现.mp4

*   7-18 TextCNN实现.mp4

*   7-19 循环神经网络总结.mp4

*   7-2 循环神经网络.mp4

*   7-3 长短期记忆网络.mp4

*   7-4 基于LSTM的文本分类模型(TextRNN与HAN).mp4

*   7-5 基于CNN的文本分类模型(TextCNN).mp4

*   7-6 RNN与CNN融合解决文本分类.mp4

*   7-7 数据预处理之分词.mp4

*   7-8 数据预处理之词表生成与类别表生成.mp4

*   7-9 实战代码模块解析.mp4

*   8-1 图像生成文本问题引入-.mp4

*   8-10 图像特征抽取(1)-文本描述文件解析.mp4

*   8-11 图像特征抽取(2)-InceptionV3预训练模型抽取图像特征.mp4

*   8-12 输入输出文件与默认参数定义.mp4

*   8-13 词表载入.mp4

*   8-14 文本描述转换为ID表示.mp4

*   8-15 ImageCaptionData类封装-图片特征读取.mp4

*   8-16 ImageCaptionData类封装-批数据生成.mp4

*   8-17 计算图构建-辅助函数实现.mp4

*   8-18 计算图构建-图片与词语embedding.mp4

*   8-19 计算图构建-rnn结构实现、损失函数与训练算子实现.mp4

*   8-2 图像生成文本评测指标.mp4

*   8-20 训练流程代码.mp4

*   8-21 文本生成图像问题引入与本节课总结.mp4

*   8-3 Encoder-Decoder框架与Beam Search算法生成文本.mp4

*   8-4 Multi-Modal RNN模型.mp4

*   8-5 Show and Tell模型.mp4

*   8-6 Show attend and Tell 模型.mp4

*   8-7 Bottom-up Top-down Attention模型.mp4

*   8-8 图像生成文本模型对比与总结.mp4

*   8-9 数据介绍，词表生成.mp4

*   9-1 对抗生成网络原理.mp4

*   9-10 对抗生成网络总结.mp4

*   9-11 DCGAN实战引-.mp4

*   9-12 数据生成器实现.mp4

*   9-13 DCGAN生成器-实现.mp4

*   9-14 DCGAN判别-实现.mp4

*   9-15 DCGAN计算图构建实现与损失函数实现.mp4

*   9-16 DCGAN训练算子实现.mp4

*   9-17 训练流程实现与效果展示.mp4

*   9-2 深度卷积对抗生成网络DCGAN(1).mp4

*   9-3 反卷积.mp4

*   9-4 深度卷积对抗生成网络DCGAN(2).mp4

*   9-5 图像翻译Pix2Pix.mp4

*   9-6 无配对图像翻译CycleGAN(1).mp4

*   9-7 无配对图像翻译CycleGAN(2).mp4

*   9-8 多领域图像翻译StarGAN.mp4

*   9-9 文本生成图像Text2Img.mp4

*   10-1 AutoML引入.mp4

*   10-2 自动网络结构搜索算法一.mp4

*   10-3 自动网络结构搜索算法一的分布式训练.mp4

*   10-4 自动网络结构搜索算法二.mp4

*   10-5 自动网络结构搜索算法三.mp4

*   11-1 课程总结.mp4