课程介绍

深度学习之神经网络（CNN RNN GAN）算法原理+实战课程是一门介绍深度学习中常用的神经网络算法原理和实际应用的课程。该课程涵盖了卷积神经网络（CNN）、循环神经网络（RNN）和生成对抗网络（GAN）等三种重要的神经网络算法。

在课程中，学员将学习到CNN的原理和应用。CNN是一种专门用于处理图像和视觉数据的神经网络模型，它通过卷积层、池化层和全连接层等组件，能够有效地提取图像的特征。学员将学会如何构建和训练CNN模型，以及如何应用CNN模型解决图像分类、目标检测、图像生成等问题。

此外，课程还介绍了RNN的原理和应用。RNN是一种适用于序列数据的神经网络模型，它通过循环连接的方式，能够处理具有时序关系的数据。学员将学会如何构建和训练RNN模型，以及如何应用RNN模型解决自然语言处理、语音识别等问题。

最后，课程还介绍了GAN的原理和应用。GAN是一种用于生成新数据的神经网络模型，它由生成器网络和判别器网络组成，通过两个网络的博弈训练，能够生成逼真的新数据。学员将学会如何构建和训练GAN模型，以及如何应用GAN模型生成图像、音乐等内容。

该课程通过理论讲解和实践操作相结合的方式，帮助学员深入理解神经网络算法的原理，并通过实战项目锻炼学员的实际应用能力。学员将有机会参与到真实的深度学习项目中，从而提升自己的技能水平。

课程目录

8-001-【imooc】课程汇总/
│【imooc-259】深度学习之神经网络（CNN RNN GAN）算法原理+实战/
││├─coding-259-master.zip 70KB
││├─神经网络常用算法.zip 162.8MB
││├─第1章 课程介绍
││├─第2章 神经网络入门
││├─第3章 卷积神经网络
││├─第4章 卷积神经网络进阶
││├─第5章 卷积神经网络调参
││├─第6章 图像风格转换
││├─第7章 循环神经网络
││├─第8章 图像生成文本
││├─第9章 对抗神经网络
││├─第10章 自动机器学习网络-AutoML
││├─第11章 课程总结
││├─课程数据
││├─资料

详细目录

││第1章 课程介绍/
│││├─1-1 课程导学.rar 43.7MB
│││├─压缩文件解压密码.txt 15byte
││第2章 神经网络入门/
│││├─2-1 机器学习、深度学习简介.mp4 62.7MB
│││├─2-2 神经元-逻辑斯底回归模型.mp4 22.6MB
│││├─2-3 神经元多输出.mp4 27.9MB
│││├─2-4 梯度下降.mp4 52.7MB
│││├─2-5 数据处理与模型图构建(1).mp4 76.1MB
│││├─2-6 数据处理与模型图构建(2).mp4 69.8MB
│││├─2-7 神经元实现（二分类逻辑斯蒂回归模型实现）.mp4 323.2MB
│││├─2-8 神经网络实现（多分类逻辑斯蒂回归模型实现）.mp4 79MB
││第3章 卷积神经网络/
│││├─3-1 神经网络进阶.mp4 54.1MB
│││├─3-2 卷积神经网络（1）.mp4 61.4MB
│││├─3-3 卷积神经网络（2）.mp4 42.3MB
│││├─3-4 卷积神经网络实战.mp4 128.5MB
││第4章 卷积神经网络进阶/
│││├─4-1 卷积神经网络进阶（alexnet）.mp4 51.2MB
│││├─4-2 卷积神经网络进阶（Vggnet-Resnet）.mp4 73.3MB
│││├─4-3 卷积神经网络进阶（inception-mobile-net）.mp4 65.7MB
│││├─4-4 VGG-ResNet实战（1）.mp4 160.9MB
│││├─4-5 VGG-ResNet实战（2）.mp4 176.8MB
│││├─4-6 Inception-mobile_net（1）.mp4 120.6MB
│││├─4-7 Inception-mobile_net（2）.mp4 131.7MB
││第5章 卷积神经网络调参/
│││├─5-1 adagrad_adam.mp4 24MB
│││├─5-10 批归一化实战（1）.mp4 155.8MB
│││├─5-11 批归一化实战（2）.mp4 171.6MB
│││├─5-2 激活函数到调参技巧（1）.mp4 61.4MB
│││├─5-3 激活函数到调参技巧（2）.mp4 47.8MB
│││├─5-4 Tensorboard实战（1）.mp4 145.2MB
│││├─5-5 Tensorboard实战（2）.mp4 99.2MB
│││├─5-6 fine-tune-实战.mp4 172.8MB
│││├─5-7 activation-initializer-optimizer-实战.mp4 179.7MB
│││├─5-8 图像增强api使用.mp4 149.6MB
│││├─5-9 图像增强实战.mp4 74.2MB
││第6章 图像风格转换/
│││├─6-1 卷积神经网络的应用.mp4 46.3MB
│││├─6-10 图像风格转换效果展示.mp4 52.2MB
│││├─6-11 图像风格转换V2算法.mp4 43MB
│││├─6-12 图像风格转换V3算法.mp4 16.1MB
│││├─6-2 卷积神经网络的能力.mp4 19.4MB
│││├─6-3 图像风格转换V1算法.mp4 33.3MB
│││├─6-4 VGG16预训练模型格式.mp4 31.7MB
│││├─6-5 VGG16预训练模型读取函数封装.mp4 69.2MB
│││├─6-6 VGG16模型搭建与载入类的封装.mp4 162.3MB
│││├─6-7 图像风格转换算法定义输入与调用VGG-Net.mp4 87.7MB
│││├─6-8 图像风格转换计算图构建与损失函数计算.mp4 109.1MB
│││├─6-9 图像风格转换训练流程代码实现.mp4 194.9MB
││第7章 循环神经网络/
│││├─7-1 序列式问题.mp4 14.2MB
│││├─7-10 超参数定义.mp4 52.1MB
│││├─7-11 词表封装与类别封装.mp4 107.9MB
│││├─7-12 数据集封装.mp4 109.2MB
│││├─7-13 计算图输入定义.mp4 68.5MB
│││├─7-14 计算图实现.mp4 87.2MB
│││├─7-15 指标计算与梯度算子实现.mp4 54.4MB
│││├─7-16 训练流程实现.mp4 92.9MB
│││├─7-17 LSTM单元内部结构实现.mp4 173.6MB
│││├─7-18 TextCNN实现.mp4 107.4MB
│││├─7-19 循环神经网络总结.mp4 2.8MB
│││├─7-2 循环神经网络.mp4 64.5MB
│││├─7-3 长短期记忆网络.mp4 26.2MB
│││├─7-4 基于LSTM的文本分类模型(TextRNN与HAN).mp4 33.8MB
│││├─7-5 基于CNN的文本分类模型(TextCNN).mp4 55.6MB
│││├─7-6 RNN与CNN融合解决文本分类.mp4 47.9MB
│││├─7-7 数据预处理之分词.mp4 130.6MB
│││├─7-8 数据预处理之词表生成与类别表生成.mp4 72.2MB
│││├─7-9 实战代码模块解析.mp4 19.2MB
││第8章 图像生成文本/
│││├─8-1 图像生成文本问题引入⼊.mp4 59.6MB
│││├─8-10 图像特征抽取(1)-文本描述文件解析.mp4 60.7MB
│││├─8-11 图像特征抽取(2)-InceptionV3预训练模型抽取图像特征.mp4 87.1MB
│││├─8-12 输入输出文件与默认参数定义.mp4 39.6MB
│││├─8-13 词表载入.mp4 58.2MB
│││├─8-14 文本描述转换为ID表示.mp4 38.3MB
│││├─8-15 ImageCaptionData类封装-图片特征读取.mp4 83MB
│││├─8-16 ImageCaptionData类封装-批数据生成.mp4 155.5MB
│││├─8-17 计算图构建-辅助函数实现.mp4 42.4MB
│││├─8-18 计算图构建-图片与词语embedding.mp4 94.6MB
│││├─8-19 计算图构建-rnn结构实现、损失函数与训练算子实现.mp4 161.9MB
│││├─8-2 图像生成文本评测指标.mp4 17.6MB
│││├─8-20 训练流程代码.mp4 77.7MB
│││├─8-21 文本生成图像问题引入与本节课总结.mp4 17.1MB
│││├─8-3 Encoder-Decoder框架与Beam Search算法生成文本.mp4 14.2MB
│││├─8-4 Multi-Modal RNN模型.mp4 27.2MB
│││├─8-5 Show and Tell模型.mp4 7.5MB
│││├─8-6 Show attend and Tell 模型.mp4 49.9MB
│││├─8-7 Bottom-up Top-down Attention模型.mp4 14.6MB
│││├─8-8 图像生成文本模型对比与总结.mp4 10MB
│││├─8-9 数据介绍，词表生成.mp4 86.2MB
││第9章 对抗神经网络/
│││├─9-1 对抗生成网络原理.mp4 213MB
│││├─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 8.2MB
│││├─9-11 DCGAN实战引入.mp4 79.4MB
│││├─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 77.1MB
│││├─9-13 DCGAN生成器器实现.mp4 88.1MB
│││├─9-14 DCGAN判别器实现.mp4 40.2MB
│││├─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 65.7MB
│││├─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 49MB
│││├─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 82.4MB
│││├─9-2 深度卷积对抗生成网络DCGAN(1).mp4 24.4MB
│││├─9-3 反卷积.mp4 36.5MB
│││├─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 21.4MB
│││├─9-5 图像翻译Pix2Pix_深度学习之神经网络RNNGAN算法原理实战.mp4 46.5MB
│││├─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 17.4MB
│││├─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.mp4 26.7MB
│││├─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.mp4 43.4MB
│││├─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 37.9MB
││第10章 自动机器学习网络-AutoML/
│││├─10-1 AutoML引入_深度学习之神经网络RNNGAN算法原理实战.mp4 13.6MB
│││├─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 44.4MB
│││├─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 27.7MB
│││├─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 26.6MB
│││├─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 34.5MB
││第11章 课程总结/
│││├─11-1 课程总结.mp4 40.6MB
││课程数据/
…此处内容过长进行省略…
││资料/
│││├─coding-259-master.rar 67.2KB
│││├─神经网络常用算法.rar 138.2MB