课程文件目录：贪心学院： CV计算机视觉集训营 [14.8G]
┣━━CV计算机视觉集训营 [13.6G]
┃ ┣━━任务1：机器学习、深度学习简介.mp4 [23.9M]
┃ ┣━━任务2：深度学习的发展历史.mp4 [23.1M]
┃ ┣━━任务3：现代深度学习的典型例子.mp4 [18.7M]
┃ ┣━━任务4：深度学习在计算机视觉中的应用.mp4 [24.3M]
┃ ┣━━任务5：深度学习的总结.mp4 [10.5M]
┃ ┣━━任务6：开发环境的配置, Python, Numpy, Keras入门教程.mp4 [46.9M]
┃ ┣━━任务7：GPU驱动程序安装.mp4 [17.7M]
┃ ┣━━任务8：CUDA的安装.mp4 [21.4M]
┃ ┣━━任务9：cuDNN的安装, Tensorflow, PyTorch的GPU测试.mp4 [31.4M]
┃ ┣━━任务10：问答环节.mp4 [57M]
┃ ┣━━任务11：环境安装.mp4 [106.8M]
┃ ┣━━任务12：二元分类问题.mp4 [32.5M]
┃ ┣━━任务13：逻辑函数.mp4 [32.1M]
┃ ┣━━任务14：指数与对数 、逻辑回归.mp4 [43.7M]
┃ ┣━━任务15：示例.mp4 [84M]
┃ ┣━━任务16：损失函数.mp4 [59.3M]
┃ ┣━━任务17：损失函数推演.mp4 [83.2M]
┃ ┣━━任务18：梯度下降法.mp4 [104.8M]
┃ ┣━━任务19：应用.mp4 [110.3M]
┃ ┣━━任务20：直播答疑.mp4 [19.5M]
┃ ┣━━任务21：自动驾驶方向盘预测论文分析.mp4 [65.1M]
┃ ┣━━任务22：使用PyCharm Keras建立深度网络模型.mp4 [257.8M]
┃ ┣━━任务23：数据预处理 数据增强.mp4 [62.7M]
┃ ┣━━任务24：建立BatchGenerator高效读取数据.mp4 [105.6M]
┃ ┣━━任务25：训练网络 保存训练的中间过程数据.mp4 [139.6M]
┃ ┣━━任务26：查看网络训练过程 判断网络是否过拟合 欠拟合.mp4 [46.2M]
┃ ┣━━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.mp4 [81.2M]
┃ ┣━━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.mp4 [38.3M]
┃ ┣━━任务29：使用Keras创建一个用于鸢尾花分类识别的神经网络.mp4 [135.2M]
┃ ┣━━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.mp4 [70.1M]
┃ ┣━━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.mp4 [60.4M]
┃ ┣━━任务32：神经网络数学原理（2）： 神经网络的前馈（Feed Forward）算法.mp4 [48.1M]
┃ ┣━━任务33：神经网络数学原理（3）：神经网络的前馈（Feed Forward）算法续，Softmax层的数值问题.mp4 [46M]
┃ ┣━━任务34：神经网络数学原理（4）：神经网络BP（误差反向传播）算法.mp4 [55.2M]
┃ ┣━━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.mp4 [64.4M]
┃ ┣━━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）.mp4 [75.7M]
┃ ┣━━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.mp4 [68.2M]
┃ ┣━━任务38：Neural.Network.Loss-直播01.mp4 [69.6M]
┃ ┣━━任务39：Neural.Network.Loss-直播02.mp4 [60.7M]
┃ ┣━━任务40：Neural.Network.Loss-直播03.mp4 [107.7M]
┃ ┣━━任务41：梯度消亡.mp4 [56.2M]
┃ ┣━━任务42：梯度消亡问题分析.mp4 [61.3M]
┃ ┣━━任务43：梯度消亡解决方案.mp4 [43.8M]
┃ ┣━━任务44：过拟合.mp4 [55M]
┃ ┣━━任务45：DropOut 训练.mp4 [38M]
┃ ┣━━任务46：正则化.mp4 [25.2M]
┃ ┣━━任务47：最大范数约束 神经元的初始化.mp4 [57.9M]
┃ ┣━━任务48：作业讲解与答疑-01.mp4 [98.2M]
┃ ┣━━任务49：作业讲解与答疑-02.mp4 [85.3M]
┃ ┣━━任务50：为什么需要递归神经网络？.mp4 [28.1M]
┃ ┣━━任务51：递归神经网络介绍.mp4 [140.5M]
┃ ┣━━任务52：语言模型.mp4 [102.8M]
┃ ┣━━任务53：RNN的深度.mp4 [19.7M]
┃ ┣━━任务54：梯度爆炸和梯度消失.mp4 [141.5M]
┃ ┣━━任务55：Gradient Clipping.mp4 [38.9M]
┃ ┣━━任务56：LSTM的介绍.mp4 [89.6M]
┃ ┣━━任务57：LSTM的应用.mp4 [56.6M]
┃ ┣━━任务58：Bi-Directional LSTM.mp4 [48.1M]
┃ ┣━━任务59：Gated Recurrent Unit.mp4 [52.2M]
┃ ┣━━任务60：机器翻译.mp4 [40.3M]
┃ ┣━━任务61：Multimodal Learning.mp4 [66.9M]
┃ ┣━━任务62：Seq2Seq模型.mp4 [131.3M]
┃ ┣━━任务63：回顾RNN与LSTM.mp4 [20.8M]
┃ ┣━━任务64：Attention for Image Captioning.mp4 [102.7M]
┃ ┣━━任务65：Attention for Machine Translation.mp4 [46M]
┃ ┣━━任务66：Self-Attention.mp4 [51.7M]
┃ ┣━━任务67：Attention总结.mp4 [20.2M]
┃ ┣━━任务68：neural network optimizer直播-01.mp4 [112.6M]
┃ ┣━━任务69：neural network optimizer直播-02.mp4 [75.5M]
┃ ┣━━任务69：neural network optimizer直播-02.mp4.p.downloading [75.5M]
┃ ┣━━任务70：neural network optimizer直播-03.mp4 [143.8M]
┃ ┣━━任务70：neural network optimizer直播-03.mp4.p.downloading [143.8M]
┃ ┣━━任务71：项目介绍.mp4 [26.9M]
┃ ┣━━任务72：看图说话任务一-01.mp4 [40.1M]
┃ ┣━━任务73：看图说话任务一-02.mp4 [35.5M]
┃ ┣━━任务74：看图说话任务一-03.mp4 [57.9M]
┃ ┣━━任务75：任务介绍.mp4 [36.4M]
┃ ┣━━任务76：如何实现 load_img_as_np_array 这个函数.mp4 [16.5M]
┃ ┣━━任务77：如何实现“load_vgg16_model”函数.mp4 [27.4M]
┃ ┣━━任务78：如何实现“extract_features”函数.mp4 [34.8M]
┃ ┣━━任务79：创建Tokenizer01.mp4 [20.9M]
┃ ┣━━任务80：创建Tokenizer02.mp4 [62.4M]
┃ ┣━━任务81：产生模型需要的输入数据01.mp4 [77.2M]
┃ ┣━━任务81：产生模型需要的输入数据01(1).mp4 [77.2M]
┃ ┣━━任务82：产生模型需要的输入数据02.mp4 [56.7M]
┃ ┣━━任务83：任务的概述.mp4 [16.6M]
┃ ┣━━任务84：Input Embedding和Dropout层介绍.mp4 [64.3M]
┃ ┣━━任务85：LSTM Add层的介绍.mp4 [29.3M]
┃ ┣━━任务86：如何训练模型.mp4 [65.1M]
┃ ┣━━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.mp4 [22.7M]
┃ ┣━━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.mp4 [114.7M]
┃ ┣━━任务89：如何调用generate_caption函数.mp4 [32.1M]
┃ ┣━━任务90：如何评价标题生成模型的性能.mp4 [86.9M]
┃ ┣━━任务91：读取和显示数字图像.mp4 [35.9M]
┃ ┣━━任务92：数字图像大小缩放.mp4 [37.3M]
┃ ┣━━任务93：数字图像直方图均衡.mp4 [35M]
┃ ┣━━任务94：图像去噪声.mp4 [43.6M]
┃ ┣━━任务95：图像边缘检测.mp4 [47.4M]
┃ ┣━━任务96：图像关键点检测.mp4 [11.7M]
┃ ┣━━任务97：道路行车道检测简介.mp4 [17.7M]
┃ ┣━━任务98：Canny边缘检测.mp4 [31.4M]
┃ ┗━━任务99：霍夫变换用于直线检测.mp4 [55.6M]
┃ ┣━━任务100：道路行车道检测代码讲解.mp4 [132.5M]
┃ ┣━━任务101：在图像和视频上面演示道路行车道检测.mp4 [69.9M]
┃ ┣━━任务102：项目介绍.mp4 [25.9M]
┃ ┣━━任务103：交通指示牌识别的简介.mp4 [28.7M]
┃ ┣━━任务104：交通指示牌识别课程的编程任务.mp4 [27.6M]
┃ ┣━━任务105：如何分析数据 (util.py 的详细介绍).mp4 [70.6M]
┃ ┣━━任务106：如何预处理图像数据、建立神经网络模型、训练网络模型 (train.py 的详细介绍)01.mp4 [88.9M]
┃ ┣━━任务107：如何预处理图像数据、建立神经网络模型、训练网络模型 (train.py 的详细介绍)02.mp4 [157.2M]
┃ ┣━━任务108：色彩空间转换.mp4 [51.9M]
┃ ┣━━任务109：直方图均衡.mp4 [80.6M]
┃ ┣━━任务110：图像标准化.mp4 [45.8M]
┃ ┣━━任务111：使用ImageDataGenerator做图像增强.mp4 [51.5M]
┃ ┣━━任务112：作业上传的要求.mp4 [16.8M]
┃ ┣━━任务113：介绍经典交通指示牌卷积神经网络模型.mp4 [28.9M]
┃ ┣━━任务114：代码实现经典交通指示牌识别卷积神经网络模型.mp4 [69M]
┃ ┣━━任务115：卷积神经网络的数学原理01.mp4 [37.8M]
┃ ┣━━任务116：卷积神经网络的数学原理02.mp4 [75.4M]
┃ ┣━━任务117：深度学习调参-直播-01.mp4 [55.5M]
┃ ┣━━任务118：深度学习调参-直播-02.mp4 [45.5M]
┃ ┣━━任务119：深度学习调参-直播-03.mp4 [55.6M]
┃ ┣━━任务120：卷积层的启发.mp4 [16.5M]
┃ ┣━━任务121：卷积层的定量分析.mp4 [17.3M]
┃ ┣━━任务122：单通道输入 单通道输出的卷积层的实例.mp4 [12M]
┃ ┣━━任务123：多通道输入 多通道输出的卷积层的实例.mp4 [12.1M]
┃ ┣━━任务124：池化层的原理 定量分析.mp4 [9.5M]
┃ ┣━━任务125：卷积神经网络和全连接神经网络的比较.mp4 [23M]
┃ ┣━━任务126：卷积神经网络在围棋 语言识别和自然语言处理中的应用.mp4 [25.6M]
┃ ┣━━任务127：基于深度学习的图像分类历史回顾.mp4 [11.3M]
┃ ┣━━任务128：AlexNet的结构分析.mp4 [8.7M]
┃ ┣━━任务129：ZFNet的结构分析.mp4 [8.2M]
┃ ┣━━任务130：VGG的结构分析.mp4 [8.5M]
┃ ┣━━任务131：GoogleNet Inception的结构分析.mp4 [12.1M]
┃ ┣━━任务132：Inception V3的结构分析.mp4 [43.8M]
┃ ┣━━任务133：ResNet的结构分析.mp4 [40.5M]
┃ ┣━━任务134：ResNet的代码实现.mp4 [154.2M]
┃ ┣━━任务135：基于内容的图像搜索理论基础.mp4 [29.3M]
┃ ┣━━任务136：基于去噪自动编码器的图像搜索代码实现.mp4 [203.8M]
┃ ┣━━任务137：使用卷积神经网络进行语义图像嵌入在目标检测, 自动驾驶, 图像超分辨率重构, 工业探伤等等领域的应用.mp4 [18.3M]
┃ ┣━━任务138：项目1-看图说话（助教）讲解和答疑-01.mp4 [164M]
┃ ┣━━任务139：项目1-看图说话（助教）讲解和答疑-02.mp4 [202.7M]
┃ ┣━━任务140：项目介绍.mp4 [15.1M]
┃ ┣━━任务141：自动驾驶方向盘转动方向预测的背景知识.mp4 [33.4M]
┃ ┣━━任务142：如何收集训练数据.mp4 [35.7M]
┃ ┣━━任务143：理解分析训练数据.mp4 [25.7M]
┃ ┣━━任务144：自动驾驶方向盘转动方向预测的网络结构和网络训练代码讲解.mp4 [181.5M]
┃ ┣━━任务145：提高网络性能的思路 图像处理、数据增强、网络结构优化.mp4 [38.7M]
┃ ┣━━任务146：探索数据01.mp4 [39.5M]
┃ ┣━━任务147：探索数据02.mp4 [15.2M]
┃ ┣━━任务148：图像增强01.mp4 [62.7M]
┃ ┣━━任务149：图像增强02.mp4 [11.4M]
┃ ┣━━任务150：解决数据不平衡的问题 DataGenerator的应用.mp4 [18M]
┃ ┣━━任务151：网络结构实例.mp4 [8.6M]
┃ ┣━━任务152： 图像增强部分的代码讲解.mp4 [99.5M]
┃ ┣━━任务153：DataGenerator部分的代码讲解.mp4 [64.1M]
┃ ┣━━任务154：网络结构实现部分的代码讲解.mp4 [84.2M]
┃ ┣━━任务155：方向盘转动方向预测网络模型的性能评估方法.mp4 [9.7M]
┃ ┣━━任务156：使用模拟器定性的判断网络性能的方法以及代码讲解.mp4 [69.9M]
┃ ┣━━任务157：模拟器自动驾驶的展示.mp4 [75.2M]
┃ ┣━━任务158：通过损失函数的变化判断网络性能、识别和解决过拟合和欠拟合的问题.mp4 [64M]
┃ ┣━━任务159：如何安装Python 连接模拟器的Python 库.mp4 [22.2M]
┃ ┣━━任务160：windows 下面使用自动驾驶模拟器的教程.mp4 [46.4M]
┃ ┣━━任务161：mac 下面使用自动驾驶模拟器的教程.mp4 [33.5M]
┃ ┣━━任务162：目标识别综述.mp4 [37.6M]
┃ ┣━━任务163：基于HOG(梯度直方图)的目标识别.mp4 [31.3M]
┃ ┣━━任务164：Non-Max Suppression IoU 和 Hard Negative Mining.mp4 [82.9M]
┃ ┣━━任务165：R-CNN的工作原理.mp4 [129.6M]
┃ ┣━━任务166：R-CNN中的边界框(Bounding Box)预测原理.mp4 [24.1M]
┃ ┣━━任务167：R-CNN的不足之处.mp4 [4.3M]
┃ ┣━━任务168：Fast R-CNN详解.mp4 [40M]
┃ ┣━━任务169：Faster R-CNN Region Proposal Network.mp4 [37.1M]
┃ ┣━━任务170：R-CNN Fast R-CNN Faster R-CNN的总结.mp4 [23M]
┃ ┣━━任务171：目标识别 R-CNN家族的回顾.mp4 [22.4M]
┃ ┣━━任务172：SSD的简介 SSD与R-CNN的比较.mp4 [33M]
┃ ┣━━任务173：SSD的网络结构.mp4 [130.7M]
┃ ┣━━任务174：如何使用卷积作为最后的预测层.mp4 [13.9M]
┃ ┣━━任务175：SSD的训练过程.mp4 [53.4M]
┃ ┣━━任务176：SSD的实验结果分析.mp4 [24.1M]
┃ ┣━━任务177：VGG16到SSD网络的演化 L2Normalization层的实现.mp4 [131.5M]
┃ ┣━━任务178：SSD各个技术对失败率的影响 Atrous卷积层的原理.mp4 [13.6M]
┃ ┣━━任务179：使用卷积作为最后的预测层详解.mp4 [17.4M]
┃ ┣━━任务180：SSD定位损失函数详解.mp4 [35.3M]
┃ ┣━━任务181：SSD中Anchor尺寸 宽高比 中心位置的确定.mp4 [10.2M]
┃ ┣━━任务182：SSD中分类损失函数详解.mp4 [11.6M]
┃ ┣━━任务183：Non-Max Suppression的原理.mp4 [12.9M]
┃ ┣━━任务184：SSD和YOLO的比较 SSD的总结.mp4 [12.2M]
┃ ┣━━任务185：图像分割简介.mp4 [36.5M]
┃ ┣━━任务186：基于深度学习的图像分割U-Net的原理.mp4 [79.4M]
┃ ┣━━任务187：Transposed Convolution原理与运用.mp4 [123M]
┃ ┣━━任务188：U-Net的代码讲解.mp4 [71.1M]
┃ ┣━━任务189：图像生成的原理.mp4 [10.3M]
┃ ┣━━任务190：使用深度学习自动图像生成手写数字的代码讲解.mp4 [84.3M]
┃ ┣━━任务191：图像风格转移的原理.mp4 [38.3M]
┃ ┣━━任务192：使用深度学习实现图像风格转移的代码讲解.mp4 [52.4M]
┃ ┣━━任务193：SSD的原理回顾.mp4 [47.7M]
┃ ┣━━任务194：编程项目的训练数据介绍.mp4 [58.7M]
┃ ┣━━任务195：对SSD模型对产生Anchor有影响的参数讲解.mp4 [134.6M]
┃ ┣━━任务196：对候选框精选处理有影响的参数讲解.mp4 [49.6M]
┃ ┣━━任务197：对输入模型参数的合法性检测和转换.mp4 [28.3M]
┃ ┣━━任务198：具有7层的SSD的网络结构讲解.mp4 [147.8M]
┃ ┣━━任务199：编译模型, 使用模型做预测.mp4 [180.4M]
┃ ┣━━任务200：SSD解码的实现.mp4 [111.4M]
┃ ┣━━任务201：帮助函数IoU, 坐标转换, SSD损失函数, Non-Max-Suppression的实现.mp4 [227.6M]
┃ ┣━━任务202：二值化神经网络的简介.mp4 [37.2M]
┃ ┣━━任务203：二值化网络的前向后向传播, 梯度计算原理.mp4 [16.3M]
┃ ┣━━任务204：二值化网络的训练算法.mp4 [145.3M]
┃ ┣━━任务205：二值化网络的实验结果.mp4 [22.6M]
┃ ┣━━任务206：二值化全连接网络的代码讲解.mp4 [46.5M]
┃ ┣━━任务207：DropoutNoScale层的实现.mp4 [23.6M]
┃ ┣━━任务208：BinaryDense层的实现.mp4 [61.5M]
┃ ┣━━任务209：二值化卷积神经网络的代码讲解.mp4 [48.5M]
┃ ┣━━任务210：项目作业要求.mp4 [22.6M]
┃ ┣━━任务211：神经网络在实际应用中面临的挑战, 轻量级深度神经网络的必要性.mp4 [207.6M]
┃ ┣━━任务212：MobileNet, Depthwise Seperable Convolution的原理计算量分析.mp4 [56.9M]
┃ ┣━━任务213：ShuffleNet, Group Convolution, Channel Shuffle的原理.mp4 [53.4M]
┃ ┣━━任务214：EffNet, Spatial Seperable Convolution的原理计算量分析和实验效果.mp4 [167.5M]
┃ ┣━━任务215：lightweight-network答疑时间.mp4 [20.6M]
┃ ┣━━任务216：回顾EffNet的原理.mp4 [31.3M]
┃ ┣━━任务217：EffNet的代码讲解.mp4 [75.7M]
┃ ┣━━任务218：One-Shot Learning 的意义和工作原理.mp4 [23.8M]
┃ ┣━━任务219：用于One-Shot Learning 的Siamese 深度神经网络的介绍.mp4 [21.7M]
┃ ┣━━任务220：Siamese 深度神经网络的实验和结果分析.mp4 [65.3M]
┃ ┣━━任务221：Transposed Convolution 的应用, 算法回顾, 以及使用矩阵乘法实现.mp4 [34.2M]
┃ ┣━━任务222：Transposed Convolution 的梯度推导.mp4 [22.1M]
┃ ┣━━任务223：将卷积核转换为Toeplitz Matrix用于矩阵乘法实现Transposed.mp4 [37.8M]
┃ ┣━━任务224：同学对课程的效果反馈调查.mp4 [322.3M]
┃ ┣━━任务225：使用 Siamese 网络做门禁卡系统的入门介绍, 数据集的介绍.mp4 [72.2M]
┃ ┣━━任务226：PyTorch 基础教程.mp4 [47.8M]
┃ ┣━━任务227：Siamese One-Shot learning 知识回顾.mp4 [14.3M]
┃ ┣━━任务228：使用 PyTorch torchvision 库高效读取数据.mp4 [70.9M]
┃ ┣━━任务229：使用 PyTorch 定义 Siamese 网络结构.mp4 [49.4M]
┃ ┣━━任务230：使用 PyTorch 写训练网络的代码.mp4 [86.8M]
┃ ┣━━任务231：使用 PyTorch 写测试网络的代码.mp4 [82.3M]
┣━━CV计算机视觉训练营 [1.2G]
┃ ┣━━贪心CV资料 [414.9M]
┃ ┗━━CVSource.zip [841.6M]
┗━━地址.txt [63B]
本资源来源于 网络 付费网站 付费收集而来, 随时收集更新资源 本站专注搜集和分享各种付费网站资源,感谢您的信任
资源下载地址:
游客，如果您要查看本帖隐藏内容请 回复>>> 开通VIP无需回帖直接下载VIP通道
本站所有资源都来源于网络收集,网友提供或者交换而来!
如果侵犯了您的权益,请及时联系客服,我们即刻删除!
| 
发表于 2022-11-18 17:57:56
