登录后查看本帖详细内容!
您需要 登录 才可以下载或查看,没有帐号?立即注册
x
深度学习项目实战视频课程-StyleTransfer(基于Tensorflow) 2017年10月新课
. O: n- B9 Y" q# W _( P课程目标
& h/ c2 j0 A# M# w9 i快速掌握风格转换原理以及如何使用Tensorflow实现网络模型和测试效果4 E1 f' j2 N- ?
适用人群
# i* d' D/ r. ~8 b深度学习,人工智能,机器学习爱好者
) _1 a) j2 u# m# K& p# F课程简介4 v9 t, P* F7 ?3 h: A+ w. `* R+ H
Style-Transfer是深度学习的酷炫应用,课程从基本原理开始讲解,逐步分析如何构造网络模型以及面临的挑战和解决思路,详解如何使用卷积神经网络构造风格转移模型并基于最流行的Tensorflow框架从零开始分模块构造网络模型。
5 [& E$ s8 l3 X: C9 |9 ?" N+ _" E
1课程简介[免费观看] 04:537 z$ ^( Y% h* {
2Tensorflow安装 03:31
* U9 @: Z$ u1 H {8 @ t+ x3style-transfer基本原理 07:35: P# X" _4 A/ |. b
4风格生成网络结构原理 07:06
9 u7 u: w9 f/ R* Z, u$ P8 x1 f5风格生成网络细节 11:52' X/ I# q; G0 s; z- A
6风格转换效果展示 05:37
, c$ o* u {& h7 a3 o7风格转换参数配置 12:45% p6 j/ J" Z* ~" Z p2 |. C
8数据读取操作 09:575 | v! J6 x; D3 G r
9VGG体征提取网络结构 10:16
% K) `: d7 {" r+ g$ Y2 p# [3 p# Y5 H10内容与风格特征提取 09:208 e; [; c; s7 |- F
11生成网络结构定义 05:33" Q4 }, ?& [8 w$ Y7 X% y
12生成网络计算操作 11:12
( t. H% \3 T( @; K3 M& R13参数初始化 08:50( o1 \# q, w z: r* S( w5 x# Z
14Content损失计算 05:52
' z' z8 p* K; [+ }4 P15Style损失计算 08:41
9 N% F3 o1 E# u, @9 G. O+ H16完成训练模块 11:03& u! G, Z6 k& G8 V5 r$ w6 I2 d
17模型保存与打印结果 08:24' [ h0 B: J) t- ~
18完成测试代码 12:01! @! c6 x2 y: U$ n) I) ?/ n
6 j G9 \6 |% P% T5 c
/ _/ I; l" l% k, m3 B/ t下载地址:itjc205 ^0 p! d+ i4 o
6 W2 z9 c7 D9 R
8 c2 ?6 y* e$ A6 w0 j
|