P1. 任务1:机器学习、深度学习简介.flv
P2. 任务2:深度学习的发展历史.flv
P3. 任务3:现代深度学习的典型例子.flv
P4. 任务4:深度学习在计算机视觉中的应用.flv
P5. 任务5:深度学习的总结.flv
P6. 任务6:开发环境的配置, Python, Numpy, Keras入门教程.flv
P7. 任务7:GPU驱动程序安装.flv
P8. 任务8:CUDA的安装.flv
P9. 任务9:cuDNN的安装, Tensorflow, PyTorch的GPU测试.flv
P10. 任务10:问答环节.flv
P11. 任务11:环境安装.flv
P12. 任务12:二元分类问题.flv
P13. 任务13:逻辑函数.flv
P14. 任务14:指数与对数 、逻辑回归.flv
P15. 任务15:示例.flv
P16. 任务16:损失函数.flv
P17. 任务17:损失函数推演.flv
P18. 任务18:梯度下降法.flv
P19. 任务19:应用.flv
P20. 任务20:直播答疑.flv
P21. 任务21:自动驾驶方向盘预测论文分析.flv
P22. 任务22:使用PyCharm Keras建立深度网络模型.flv
P23. 任务23:数据预处理 数据增强.flv
P24. 任务24:建立BatchGenerator高效读取数据.flv
P25. 任务25:训练网络 保存训练的中间过程数据.flv
P26. 任务26:查看网络训练过程 判断网络是否过拟合 欠拟合.flv
P27. 任务27:神经网络分类问题的经典数据(集鸢尾花数据集)介绍,神经网络Python库Keras的介绍.flv
P28. 任务28:使用Pandas读取鸢尾花数据集, 使用LabelEncoder对类别标签进行编码.flv
P29. 任务29:使用Keras创建一个用于鸢尾花分类识别的神经网络.flv
P30. 任务30:训练用于鸢尾花分类的神经网络 解读训练输出的日志 了解如何评价神经网络的性能.flv
P31. 任务31:神经网络数学原理(1): 神经网络的结点,权值,激活函数.flv
P32. 任务32:神经网络数学原理(2).flv
P33. 任务33:神经网络数学原理(3).flv
P34. 任务34:神经网络数学原理(4):神经网络BP(误差反向传播)算.flv
P35. 任务35:神经网络数学原理(5):神经网络BP(误差反向传递)算法续.flv
P36. 任务36:神经网络数学原理(6):手动演算神经网络BP算法(误差向后传递).flv
P37. 任务37:神经网络数学原理(7):手动演算神经网络BP算法(误差向后传递)续.flv
P38. 任务38:Neural.Network.Loss-直播01.flv
P39. 任务39:Neural.Network.Loss-直播02.flv
P40. 任务40:Neural.Network.Loss-直播03.flv
P41. 任务41:梯度消亡.flv
P42. 任务42:梯度消亡问题分析.flv
P43. 任务43:梯度消亡解决方案.flv
P44. 任务44:过拟合.flv
P45. 任务45:DropOut 训练.flv
P46. 任务46:正则化.flv
P47. 任务47:最大范数约束 神经元的初始化.flv
P48. 任务48:作业讲解与答疑-01.flv
P49. 任务49:作业讲解与答疑-02.flv
P50. 任务50:为什么需要递归神经网络?.flv
P51. 任务51:递归神经网络介绍.flv
P52. 任务52:语言模型.flv
P53. 任务54:梯度爆炸和梯度消失.flv
P54. 任务55:Gradient Clipping.flv
P55. 任务56:LSTM的介绍.flv
P56. 任务57:LSTM的应用.flv
P57. 任务58:Bi-Directional LSTM.flv
P58. 任务59:Gated Recurrent Unit.flv
P59. 任务60:机器翻译.flv
P60. 任务61:Multimodal Learning.flv
P61. 任务62:Seq2Seq模型.flv
P62. 任务63:回顾RNN与LSTM.flv
P63. 任务64:Attention for Image Captioning.flv
P64. 任务65:Attention for Machine Translation.flv
P65. 任务66:Self-Attention.flv
P66. 任务67:Attention总结.flv
P67. 任务68:neural network optimizer直播-01.flv
P68. 任务69:neural network optimizer直播-02.flv
P69. 任务70:neural network optimizer直播-03.flv
P70. 任务71:项目介绍.flv
P71. 任务72:看图说话任务一-01.flv
P72. 任务73:看图说话任务一-02.flv
P73. 任务74:看图说话任务一-03.flv
P74. 任务75:任务介绍.flv
P75. 任务76:如何实现 load_img_as_np_array 这个函数.flv
P76. 任务77:如何实现“load_vgg16_model”函数.flv
P77. 任务78:如何实现“extract_features”函数.flv
P78. 任务79:创建Tokenizer01.flv
P79. 任务80:创建Tokenizer02.flv
P80. 任务81:产生模型需要的输入数据01.flv
P81. 任务82:产生模型需要的输入数据02.flv
P82. 任务83:任务的概述.flv
P83. 任务84:Input Embedding和Dropout层介绍.flv
P84. 任务85:LSTM Add层的介绍.flv
P85. 任务86:如何训练模型.flv
P86. 任务87:如何使用深度神经网络模型做预测 产生标题 完成generate_caption函数01.flv
P87. 任务88:如何使用深度神经网络模型做预测 产生标题 完成generate_caption函数02.flv
P88. 任务89:如何调用generate_caption函数.flv
P89. 任务90:如何评价标题生成模型的性能.flv
P90. 任务91:读取和显示数字图像.flv
P91. 任务92:数字图像大小缩放.flv
P92. 任务93:数字图像直方图均衡.flv
P93. 任务94:图像去噪声.flv
P94. 任务95:图像边缘检测.flv
P95. 任务96:图像关键点检测.flv
P96. 任务97:道路行车道检测简介.flv
P97. 任务98:Canny边缘检测.flv
P98. 任务99:霍夫变换用于直线检测.flv
P99. 任务100:道路行车道检测代码讲解.flv
P100. 任务101:在图像和视频上面演示道路行车道检测.flv