[259] 深度学习之神经网络CNN/RNN/GAN（算法原理+实战） - 入门深度学习的不二之选，全面学习算法与应用

网盘链接：

1. 课程介绍

• 1-1 课程导学

2. 神经网络入门

• 2-1 机器学习、深度学习简介
• 2-2 神经元-逻辑斯底回归模型
• 2-3 神经元多输出
• 2-4 梯度下降
• 2-5 数据处理与模型图构建(1)
• 2-6 数据处理与模型图构建(2)
• 2-7 神经元实现（二分类逻辑斯蒂回归模型实现）
• 2-8 神经网络实现（多分类逻辑斯蒂回归模型实现）

3. 卷积神经网络

• 3-1 神经网络进阶
• 3-2 卷积神经网络（1）
• 3-3 卷积神经网络（2）
• 3-4 卷积神经网络实战

4. 卷积神经网络进阶

• 4-1 卷积神经网络进阶（alexnet）
• 4-2 卷积神经网络进阶（Vggnet-Resnet）
• 4-3 卷积神经网络进阶（inception-mobile-net）
• 4-4 VGG-ResNet实战（1）
• 4-5 VGG-ResNet实战（2）
• 4-6 Inception-mobile_net（1）
• 4-7 Inception-mobile_net（2）

5. 卷积神经网络调参

• 5-1 adagrad_adam
• 5-2 激活函数到调参技巧（1）
• 5-3 激活函数到调参技巧（2）
• 5-4 Tensorboard实战（1）
• 5-5 Tensorboard实战（2）
• 5-6 fine-tune-实战
• 5-7 activation-initializer-optimizer-实战
• 5-8 图像增强api使用
• 5-9 图像增强实战
• 5-10 批归一化实战（1）
• 5-11 批归一化实战（2）

6. 图像风格转换

• 6-1 卷积神经网络的应用
• 6-2 卷积神经网络的能力
• 6-3 图像风格转换V1算法
• 6-4 VGG16预训练模型格式
• 6-5 VGG16预训练模型读取函数封装
• 6-6 VGG16模型搭建与载入类的封装
• 6-7 图像风格转换算法定义输入与调用VGG-Net
• 6-8 图像风格转换计算图构建与损失函数计算
• 6-9 图像风格转换训练流程代码实现
• 6-10 图像风格转换效果展示
• 6-11 图像风格转换V2算法
• 6-12 图像风格转换V3算法

7. 循环神经网络

• 7-1 序列式问题
• 7-2 循环神经网络
• 7-3 长短期记忆网络
• 7-4 基于LSTM的文本分类模型(TextRNN与HAN)
• 7-5 基于CNN的文本分类模型(TextCNN)
• 7-6 RNN与CNN融合解决文本分类
• 7-7 数据预处理之分词
• 7-8 数据预处理之词表生成与类别表生成
• 7-9 实战代码模块解析
• 7-10 超参数定义
• 7-11 词表封装与类别封装
• 7-12 数据集封装
• 7-13 计算图输入定义
• 7-14 计算图实现
• 7-15 指标计算与梯度算子实现
• 7-16 训练流程实现
• 7-17 LSTM单元内部结构实现
• 7-18 TextCNN实现
• 7-19 循环神经网络总结

8. 图像生成文本

• 8-1 图像生成文本问题引入⼊
• 8-2 图像生成文本评测指标
• 8-3 Encoder-Decoder框架与Beam Search算法生成文本
• 8-4 Multi-Modal RNN模型
• 8-5 Show and Tell模型
• 8-6 Show attend and Tell 模型
• 8-7 Bottom-up Top-down Attention模型
• 8-8 图像生成文本模型对比与总结
• 8-9 数据介绍，词表生成
• 8-10 图像特征抽取(1)-文本描述文件解析
• 8-11 图像特征抽取(2)-InceptionV3预训练模型抽取图像特征
• 8-12 输入输出文件与默认参数定义
• 8-13 词表载入
• 8-14 文本描述转换为ID表示
• 8-15 ImageCaptionData类封装-图片特征读取
• 8-16 ImageCaptionData类封装-批数据生成
• 8-17 计算图构建-辅助函数实现
• 8-18 计算图构建-图片与词语embedding
• 8-19 计算图构建-rnn结构实现、损失函数与训练算子实现
• 8-20 训练流程代码
• 8-21 文本生成图像问题引入与本节课总结

9. 对抗神经网络

• 9-1 对抗生成网络原理
• 9-2 深度卷积对抗生成网络DCGAN(1)
• 9-3 反卷积
• 9-4 深度卷积对抗生成网络DCGAN(2)
• 9-5 图像翻译Pix2Pix
• 9-6 无配对图像翻译CycleGAN(1)
• 9-7 无配对图像翻译CycleGAN(2)
• 9-8 多领域图像翻译StarGAN
• 9-9 文本生成图像Text2Img
• 9-10 对抗生成网络总结
• 9-11 DCGAN实战引⼊
• 9-12 数据生成器实现
• 9-13 DCGAN生成器器实现
• 9-14 DCGAN判别器实现
• 9-15 DCGAN计算图构建实现与损失函数实现
• 9-16 DCGAN训练算子实现
• 9-17 训练流程实现与效果展示

10. 自动机器学习网络-AutoML

• 10-1 AutoML引入
• 10-2 自动网络结构搜索算法一
• 10-3 自动网络结构搜索算法一的分布式训练
• 10-4 自动网络结构搜索算法二
• 10-5 自动网络结构搜索算法三

11. 课程总结

• 11-1 课程总结