人工智能开发之CV计算机视觉项目实战深度学习与CV入门（视频+代码+资料）

在人工智能领域 ，计算机视觉和深度学习是两个重要的研究方向。本课程将通过深入浅出的讲解和实际案例分析
，帮助您快速掌握CV计算机视觉和深度学习的核心技能，引领AI时代的潮流 。
本课程将全面介绍CV计算机视觉和深度学习的课程 ，帮助学员快速掌握这两个领域的核心技术
。课程内容丰富多样
，涵盖了深度学习、CV计算机视觉定义与任务 、应用领域
、发展历史等方面的内容。此外，课程还介绍了TensorFlow和Keras等工具的使用 ，以及卷积神经网络、图像分类等关键技术 。最后，课程还针对MNIST案例 、AlexNet
、VGG、GoogLeNet 、ResNet等重点内容进行了详细的讲解和示范
。通过课程的学习
，您将深入了解CV计算机视觉和深度学习的各个方面，掌握TensorFlow、Keras等工具的使用 ，以及卷积神经网络
、图像分类等关键技术。

课程目录：
01.课程介绍
01.深度学习.mp4
02.DL发展历史.mp4
03.计算机视觉定义与任务.mp4
04.CV的应用领域.mp4
05.CV的发展历史.mp4
02.tensorflow
02-1.tensorflow和keras简介
01.tensorflow简介.mp4
02.tensorflow安装方法.mp4
03.张量是什么.mp4
04.张量的基本操作.mp4
05.张量转换成numpy.mp4
06.张量的常用函数.mp4
07.变量variable.mp4
08.tf.keras简介和常用模块.mp4
09.tf.keras的常用方法.mp4
10.tf和keras总结.mp4
02-2.快速入门模型
01.快速入门模型简介.mp4
02.数据集处理.mp4
03.sklearn实现分类.mp4
04.tf.keras实现-数据处理.mp4
05.tf.keras实现-模型构建.mp4
06.tf.keras实现-模型训练与评估.mp4
07.tf.keras实现总结.mp4
03.深度学习
03-1.神经网络、优化方法与正则化
01.深度学习简介.mp4
02.神经网络简介.mp4
03.神经元的工作方式.mp4
04.激活函数sigmoid.mp4
05.激活函数tanh.mp4
06.激活函数relu.mp4
07.激活函数leakyrelu.mp4
08.激活函数softmax.mp4
09.其他激活函数及选择.mp4
10.参数初始化.mp4
11.Xavier初始化.mp4
12.He初始化.mp4
13.神经网络的构建方式.mp4
14.sequential构建方式.mp4
15.functional API构建方式.mp4
16.Model 子类构建方式.mp4
17.神经网络优缺点及历史.mp4
19.损失函数是什么.mp4
20.交叉熵损失函数.mp4
21.二分类的交叉熵损失函数.mp4
22.MAE损失.mp4
23.MSE损失.mp4
24.smooth L1损失.mp4
25.神经网络的优化方法.mp4
26.梯度下降算法.mp4
27.epoch,batch和iteration.mp4
28.前向传播
，反向传播和链式法则.mp4
29.BP算法.mp4
30.梯度下降存在的问题及指数加权平均值.mp4
31.动量梯度下降算法.mp4
32.adagrad.mp4
33.RMSprop.mp4
34.Adam.mp4
35.学习率退火.mp4
36.总结.mp4
37.正则化及L1L2正则化的使用.mp4
38.dropout.mp4
39.提前停止.mp4
40.BN层及总结.mp4
03-2.卷积神经网络
01.mnist案例简介与数据加载.mp4
02.mnist案例简数据处理.mp4
03.mnist案例模型构建.mp4
04.mnist案例模型编译与训练.mp4
05.mnist案例tensorboard使用.mp4
06.mnist案例模型评估与保存.mp4
07.全连接网络处理图像存在的问题.mp4
08.CNN网络的组成.mp4
09.卷积层的介绍.mp4
10.池化层和全连接层的介绍.mp4
11.LeNet-5数据加载与处理.mp4
12.LeNet-5的模型构建.mp4
13.LeNet-5的模型编译，训练和评估.mp4
14.CNN网络总结.mp4
04.图像分类
01.图像分类简介.mp4
02.Alex简介和网络结构.mp4
03.AlexNet网络构建.mp4
04.AlexNet网络数据读取.mp4
05.AlexNet模型训练与评估.mp4
06.VGG简介与网络架构.mp4
07.VGG网络构建.mp4
08.VGG进行手写数字识别.mp4
09.GoogLeNet简介和Inception简介.mp4
10.Inception模块的构建.mp4
11.GoogLeNet构成和B1模块实现.mp4
12.B2和B3模块实现.mp4
13.B4模块实现.mp4
14.B5模块实现.mp4
15.手写数字识别实现.mp4
16.inceptionV2,V3和总结.mp4
17.ResNet简介和残差块.mp4
18.残差块的实现.mp4
19.resNet简介.mp4
20.resNet中残差模块的构建.mp4
21.resNet模型构建.mp4
22.resNet手写数字识别.mp4
23.常用的图像增强方法.mp4
24.tf.image进行图像增强.mp4
26.模型微调.mp4
27.数据集获取.mp4
28.微调模型训练.mp4