课程目录

• 人工智能算法培训课程 1
• 1Python 基础
• 10参数传递、参数列表和参数字典
• 11递归避免重复计算
• 12倒水问题
• 13八皇后问题
• 1自顶向下编程
• 2扑克和囚犯问题
• 3猜姓名问题
• 4Python 类型
• 5参数元组和字典
• 6递归
• 7排列组合与匹配问题
• 8人字形铁路和分数问题
• 9二十四点问题
• 2深度学习基础理论和实现
• 10递归程序非递归化
• 11面向对象
• 12C的可变参数和TF张量常量算术运算关系运算
• 13广播
• 14变量和矩阵相乘
• 15占位符
• 16样本学习（一）
• 17样本学习（二）
• 18样本学习求平方根
• 19MNIST_架构
• 1牛顿法
• 20BGD_MBGD_SGD
• 21Tensors_App
• 22predict_precise_saver
• 23三层神经网络_sin_架构
• 24样本和过拟合
• 25一元函数多输出和超平面
• 26卷积_MNIST
• 27卷积的计算
• 28padding和窗口位置
• 29卷积和特征提取
• 2梯度下降法（一）
• 30使用TB
• 31运行TB_观察loss
• 32Config_dir_getattr
• 33argparse
• 34GPU
• 35ftp_telnet_export_vi_nohup_ps_kill
• 3二分法_GD2_多元函数
• 4链式法则和微分公式
• 5表达式
• 6表达式求导
• 7求最小值通用程序
• 8张量和梯度
• 9计算机组成_形参和实参
• 3VAE 模型理论和实现
• 10CVAE_mnist_训练和测试
• 1VAE模型初步
• 2VAE_Config_Tensors_App
• 3VAE_mnist
• 4import和encode
• 5encode_decode
• 6动量和正态分布均值
• 7test
• 8VAE_mnist_predict
• 9CVAE
• 4多GPU和多线程数据处理
• 10buffer_CelebA
• 11CelebA_标签
• 12face_recog
• 13validation_precise
• 14call_train
• 15复习BP_面向对象
• 16复习_解迭代法_递归
• 17递归_三loss的分析
• 1多GPU
• 2多GPU框架
• 3语义的运算和变量重用
• 4多GPU训练
• 5CelebA样本读取
• 6读CelebA中的样本
• 7Thread和Lock
• 8Buffer
• 9BufferDS
• 5人脸生成和人脸对比
• 10ResNet实现（一）
• 11ResNet实现（二）
• 12BN的实现
• 13transpose_resnet
• 14结伴学习
• 15语义分割和实例分割
• 16递归_CV2
• 17UNet的实现
• 18Inception
• 19InceptionV3
• 1复习和人脸生成
• 20人脸对比和夹角相似度
• 21人脸1比1对比_L2正则化_夹角余弦_倍数
• 22ArcFace_人脸对比
• 2人脸生成模型
• 3训练
• 4生成人脸测试
• 5ResNet初步和L1L2正则化
• 6ResNet50结构
• 7人脸转化测试
• 8BN原理
• 9TF对BN操作的实现
• 6股票预测和生成唐诗
• 10藏头诗_LSTM变体_双向RNN
• 11NLP应用_简历_面试
• 12一对一_一对多_多对一
• 13多对多模型_字词向量
• 14没有梯度的操作_索引操作
• 15翻译模型
• 16注意力
• 17注意力实现_IndexedSlices
• 18使用新框架
• 19使用注意力
• 1RNN
• 20阅读理解
• 21阅读理解的实现
• 22多轮对话的样本和子样本
• 23协程和yield
• 24有限状态自动机
• 25有限状态自动机的实现
• 2股票预测
• 3my_LSTM
• 4读全唐诗
• 5使用LSTM
• 6多层RNN和Dropout
• 7精确度
• 8生成唐诗
• 9优化唐诗生成_起头诗
• 7GAN模型的训练和测试
• 10StarGAN的实现
• 11WGAN原理和实现
• 12WGAN论文解读
• 13WGAN的剪切操作
• 14关于Ncritic
• 15计算机组成_动量优化器
• 16RMSProp优化器_Adam优化器
• 17复习和练习
• 1GAN初步
• 2GAN_mnist
• 3训练GAN
• 4测试GAN
• 5CGAN模型结构和训练
• 6复习_练习
• 7Pix2Pix简介
• 8训练Pix2Pix
• 9StarGAN
• 8web作品集展示
• 1复习_修改框架_协议_端口
• 2tornado_web_ioloop
• 3网页跳转_form_多元多分类
• 4前端_唐诗创作
• 5web_唐诗
• 6web_framework
• 7网页上启动一个训练
• 8新训练
• 9更改lr等
• 9目标检测算法
• 10绝对相对坐标
• 11训练RCNN
• 12SPP算法
• 13SPP算法的实现
• 14FasterRCNN_RPN_锚框
• 15SSD原理
• 16SSD的张量
• 17SSD的实现
• 18SSD模型_数据准备
• 19NMS的改造
• 1目标检测的目的
• 20情商_SSD一个FM的实现
• 21多个FM
• 22多FM的实现
• 23使用RCNN
• 24YOLO
• 25复习_12小球问题
• 26十二小球和三位三进制
• 27十二小球问题编程
• 28复习卷积
• 29梯度分析
• 2正负框_坐标变换
• 30复习梯度
• 3候选框_绑定框_模型的输入输出
• 4NMS算法_RCNN实现
• 5候选框_MyDS_大样本
• 6NMS的实现
• 7计算IOU
• 8NMS实现
• 9next_batch_yield_from
• 人工智能算法培训课程1（配套课件）-20221212
• 人工智能算法培训课程1（配套课件）
• 人工智能算法培训课程 2
• 主题1
• Deep Learning Neural Networks深度学习神经网络