Deep Learning
Deep Learning
Content
One 深度学习原理（上）
1.1
1.2
1.3 用K近邻来进行图像分类
1.4
Two 深度学习原理（下）
2.1
2.2
2.11 RNN网络结构
2.12 RNN网络细节
2.13 Python实现RNN算法
2.14 LSTM网络结构简介
2.15
2. 20 深度学习框架Caffe简介
Three
Four 深度学习框架-Tensorflow案例实战视频课程
4.1
4.16 使用RNN处理Mnist数据集
4.17 RNN网络模型
Five
Seven 大叔据-深度学习项目实战-关键点定位视频教程
7.1 人脸关键点检测算法框架
7.2 多标签数据源制作以及标签坐标转换
Eight 自然语言处理-Word2Vec视频教程
8.1 课程简介
8.2
8.3
Nine 决胜AI-强化学习实战系列视频教程（最新修复版）
9.1 强化学习基本原理
9.1.1 强化学习简介
9.1.2
9.2 强化学习项目实战-DQN让AI自己玩游戏
9.2.1
9.2.2
Twelve 深度学习顶级论文算法详解视频课程（高清版）
12.1 课程简介
12.2
12.3
12.4
Thirteen 深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程（高清版）
13.1 递归神经网络原理（RNN）
13.1.1 课程简介
13.1.2 递归神经网络（RNN）
13.1.3 RNN网络细节
13.1.4 LSTM网络架构
13.2 RNN手写字体识别
13.2.1 处理Mnist数据集
13.2.2 RNN网络模型
13.2.3 训练RNN网络
13.3 Tensorflow打造唐诗生成网络
13.3.1 任务概述与环境配置
13.3.2 参数配置
13.3.3 数据预处理模块
13.3.4 Batch数据制作
13.3.5 RNN模型定义
13.3.6 完成训练模块
13.3.7 训练唐诗生成模型
13.3.8 测试唐诗生成效果
13.4 使用LSTM进行情感分析
13.4.1 使用LSTM进行情感分类
13.4.2 情感数据集处理
13.4.3 基于word2vec的LSTM模型
