资源介绍：

本课程适合于深度学习和人工智能方向新手，需要零基础、快速、深入学习人工智能的朋友

课程目录

• 01.深度学习初见
• 课时1 深度学习框架介绍-1
• 课时2 深度学习框架介绍-2
• 课时3 开发环境安装-1
• 课时4 开发环境安装-2
• 02.【选看】开发环境全程实录
• 课时10 Ubuntu平台实录-pycharm安装
• 课时5 win10平台实录-1
• 课时6 win10平台实录-2
• 课时7 Ubuntu平台实录-cuda安装
• 课时8 Ubuntu平台实录-anaconda安装
• 课时9 Ubuntu平台实录-tensorlow、pytorch安装
• 03.回归问题
• 课时11 线性回归-1
• 课时12 线性回归-2
• 课时13 回归问题实战-1
• 课时14 回归问题实战-2
• 课时15 手写数字问题-1
• 课时16 手写数字问题-2
• 课时17 手写数字问题-3
• 课时18 手写数字问题初体验-1
• 课时19 手写数字问题初体验-2
• 04.Tensorflow 2基础操作
• 课时20 tensorflow数据类型-1
• 课时21 tensorflow数据类型-2
• 课时22 创建Tensor-1
• 课时23 创建Tensor-2
• 课时24 创建Tensor-3
• 课时25 索引与切片-1
• 课时26 索引与切片-2
• 课时27 索引与切片-3
• 课时28 索引与切片-4
• 课时29 索引与切片-5
• 课时30 维度变换-1
• 课时31 维度变换-2
• 课时32 维度变换-3
• 课时33 Broadcasting-1
• 课时34 Broadcasting-2
• 课时35 数学运算
• 课时36 前向传播（张量）-实战-1
• 课时37 前向传播（张量）-实战-2
• 课时38 前向传播（张量）-实战-3
• 课时39 前向传播（张量）-实战-4
• 05.tensorflow 2高阶操作
• 课时40 合并与分割
• 课时41 数据统计
• 课时42 张量排序-1
• 课时43 张量排序-2
• 课时44 填充与复制
• 课时45 张量限幅-1
• 课时46 张量限幅-2
• 课时47 高阶操作-1
• 课时48 高阶操作-2
• 06 神经网络与全连接层
• 课时49 数据加载-1
• 课时50 数据加载-2
• 课时51 数据加载-3
• 课时52 测试（张量）实战
• 课时53 全连接层-1
• 课时54 全连接层-2
• 课时55 输出方式
• 课时56 误差计算-1
• 课时57 误差计算-2
• 课时58 误差计算-3
• 07 随机梯度下降
• 课时59 梯度下降-简介-1
• 课时60 梯度下降-简介-2
• 课时61 常见函数的梯度
• 课时62 激活函数及其梯度
• 课时63 损失函数及其梯度-1
• 课时64 损失函数及其梯度-2
• 课时65 单输出感知机梯度
• 课时66 多输出感知机梯度
• 课时67 链式法则
• 课时68 反向传播算法-1
• 课时69 反向传播算法-2
• 课时70 函数优化实战
• 课时71 手写数字问题实战（层）-1
• 课时72 手写数字问题实战（层）-2
• 课时73 手写数字问题实战（层）-3
• 课时74 TensorBoard可视化-1
• 课时75 TensorBoard可视化-2
• 08.Keras高层接口
• 课时76 Keras高层API-1
• 课时77 Keras高层API-2
• 课时78 Keras高层API-3
• 课时79 自定义层或网络-1
• 课时80 自定义层或网络-2
• 课时81 模型保存与加载
• 课时82 CIFAR10自定义网络实战-1
• 课时83 CIFAR10自定义网络实战-2
• 课时84 CIFAR10自定义网络实战-3
• 09.过拟合
• 课时 89 动量与学习率
• 课时85 过拟合与欠拟合
• 课时86 交叉验证-1
• 课时87 交叉验证-2
• 课时88 Regularization
• 课时90 Early stopping，Dropout
• 10.卷积神经网络
• 课时101 BatchNorm
• batchnorm
• batchnorm2
• 课时100 经典卷积网络VGG, GoogLeNet, Inception-2
• 课时102 ResNet, DenseNet – 1
• 课时103 ResNet, DenseNet – 2
• 课时104 ResNet实战-1
• 课时105 ResNet实战-2
• 课时106 ResNet实战-3
• 课时107 ResNet实战-4
• 课时86 什么是卷积-1
• 课时87 什么是卷积-2
• 课时88 什么是卷积-3
• 课时89 什么是卷积-4
• 课时90 卷积神经网络-1
• 课时91 卷积神经网络-2
• 课时92 卷积神经网络-3
• 课时93 卷积神经网络-4
• 课时94 池化与采样
• 课时95 CIFAR100与VGG13实战-1
• 课时96 CIFAR100与VGG13实战-2
• 课时97 CIFAR100与VGG13实战-3
• 课时98 CIFAR100与VGG13实战-4
• 课时99 经典卷积网络VGG, GoogLeNet, Inception-1
• 11.循环神经网络RNN
• GRU原理与实战
• lstm-1
• lstm-2
• LSTM实战
• 课时108 序列表示方法-1
• 课时109 序列表示方法-2
• 课时110 循环神经网络层-1
• 课时111 循环神经网络层-2
• 课时112 RNNCell使用-1
• 课时113 RNNCell使用-2
• 课时114 RNN与情感分类问题实战-加载IMDB数据集
• 课时115 RNN与情感分类问题实战-单层RNN Cell
• 课时116 RNN与情感分类问题实战-网络训练
• 课时117 RNN与情感分类问题实战-多层RNN Cel
• 梯度弥散与梯度爆炸
• 12.自编码器Auto-Encoders
• 课时119 无监督学习
• 课时120 Auto-Encoders原理
• 课时121 Auto-Encoders变种
• 课时122 Adversarial Auto-Encoders
• 课时123 Variational Auto-Encoders引入
• 课时124 Reparameterization Trick
• 课时125 Variational Auto-Encoders原理
• 课时126 Auto-Encoders实战-创建编解码器
• 课时127 Auto-Encoders实战-训练
• 课时128 Auto-Encoders实战-测试
• 课时129 VAE实战-创建网络
• 课时130 VAE实战-KL Divergence计算
• 课时131 VAE实战-训练与测试
• 13.对抗生成网络GAN
• 课时132 数据的分布
• 课时133 画家的成长历程
• 课时134 GAN原理
• 课时135 纳什均衡-D
• 课时136 纳什均衡-G
• 课时137 JS散度的缺陷
• 课时138 EM距离
• 课时139 WGAN-GP原理
• 课时140 GAN实战-
• 课时141 GAN实战-2
• 课时142 GAN实战-3
• 课时143 GAN实战-4
• 课时144 GAN实战-5
• 课时145 GAN实战-6
• 课时146 WGAN实战-1
• 课时147 WGAN实战-2
• 14.【选看】人工智能发展简史
• 课时148 生物神经元结构
• 课时149 感知机的提出
• 课时150 BP神经网络
• 课时151 CNN和LSTM的发明
• 课时152 人工智能低谷
• 课时153 深度学习的诞生
• 课时154 深度学习的爆发
• 15.【选看】Numpy实战BP神经网络
• 课时155 权值的表示
• 课时156 多层感知机的实现
• 课时157 BP神经网络前向传播
• 课时158 BP神经网络反向传播-1
• 课时159 BP神经网络反向传播-
• 课时160 BP神经网络反向传播-3
• 课时161 多层感知机的训练
• 课时162 多层感知机的测试
• 课时163 实战小结
• 电子书
• 花书-深度学习-Eng
• 花书-中文版
• 软件资料
• 课程安装软件-Ubuntu 18.04
• Anaconda3-2019.03-Linux-x86_64.sh
• cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
• cudnn-10.0-linux-x64-v7.5.0.56.tgz
• pycharm-community-2019.1.1.tar.gz
• 课程安装软件-Win10
• Anaconda3-2019.03-Windows-x86_64.exe
• cuda_10.0.130_411.31_win10.exe
• cudnn-10.0-windows10-x64-v7.5.0.56 (1)
• pycharm-community-2019.1.1.exe