人工智能 keras项目实战2018年12月

sharkewb

├─视频
│      1 Keras项目实战课程概述.mp4
  G2 e3 e! Q4 }# v│      2 简介与安装.mp4
│      3 训练自己的数据集整.mp4
& t) d1 s' ?$ L3 n% J/ |│      4 数据加载与预处理.mp4
│      5 搭建网络模型.mp4
2 S+ ^& C8 L6 Z7 X│      6 学习率对结果的影响.ts
│      7 Drop-out操作.ts
4 m/ N' e7 h7 v7 U# m  J/ R6 W│      8 权重初始化方法对比.ts
$ y& W% t# Q/ \  K- I│      9 初始化标准差对结果的影响.ts
* q1 V9 P! o8 g│      10 正则化对结果的影响.ts
' C. e+ ~0 _! @3 \│      11 加载模型进行测试.ts
) p( A/ `1 L% b, Z- }6 o4 a$ |. Q│      12 卷积层构造.ts
│      13 整体流程.ts
8 o$ W4 P1 ^% |( v; P│      14 BatchNormalization效果.ts
│      15 参数对比.ts
' I) X5 ^8 r4 ?' o  N( n$ t# g│      16 网络测试效果.mp4
│      17 时间序列模型.ts
1 T0 U9 g+ U6 r) L* y0 L9 M, u│      18 网络结构与参数定义.ts
( A2 E" `4 r( [0 H6 V) l0 ?│      19 构建LSTM模型.ts
  g2 x8 t7 T( L) W) e│      20 训练模型与效果展示.ts
, W5 P: R3 N! Y/ t8 x│      21 多序列预测结果.ts
1 _0 D7 i2 ]; U# G$ h( q& }) v│      22 股票数据预测.ts
( M  k; h" {/ q% a│      23 数据预处理.ts
│      24 预测结果展示.ts
4 {' A  m+ Q' k: j1 Y. `9 t. a/ r│      25 文本数据读取预处理.ts
5 P' C7 t( P& ~) @+ j% p│      26 基本模型.ts
1 k& [: s/ v0 i3 d- D/ T4 _│      27 Embeeding-layer效果.ts
│      28 准备词向量数据.ts
- U% H; K, q' j5 W6 @* p0 `│      29 词嵌入训练结果.ts
│      30 加入LSTM层效果.ts
5 F8 V( \+ v7 U8 H│      31 加入卷积层效果.ts
│      32 参数调优.ts
│      33 多标签解决方案.ts
│      34 多标签网络训练与测试.ts
│      35 多输出网络解决方案.ts
│      36 多输出网络训练与测试.ts
& N( E) S, X: c) r: p: q1 B│      37 DIY你的数据集.ts
9 b0 _! y2 }: p/ t" ~│      38 数据增强概述.ts
│      39 图像数据变换.ts
3 ]0 L, Q" d2 E1 g. P8 k│      40 数据增强效果.ts
│      41 对抗生成网络通俗解释.mp4
│      42 GAN网络组成.ts
│      43 判别网络设计.ts
( C5 O2 v1 z/ `│      44 生成网络定义.ts
│      45 标签制作.ts
│      46 训练与测试网络模型.ts
  {6 R# D- C5 w│      47 DCGAN网络.ts
4 p& D- l# u1 W, m- a│      48 迁移学习的目标.mp4
│      49 迁移学习策略.ts
│      50 Resnet原理.ts
6 d( @' O) @5 o0 B│      51 Resnet网络细节.ts
│      52 Resnet基本处理操作.ts
. _1 I0 [( g2 {7 T9 Y6 ]│      53 shortcut模块.ts
│      54 加载训练好的权重.ts
8 G- Z0 C) S- G0 B3 i3 v9 D│      55 迁移学习效果对比.ts
│      56 数据与目标.ts
  _  s% O2 N/ }7 ?│      57 字符表制作.ts
# n. {+ m: B! |│      58 数据读取.ts
! v9 x* `: M' Q  C( M1 l│      59 数据增强.ts
│      60 网络模型.ts
+ u/ w! n: m$ D│      61 测试效果.ts
│      62 网络模型解读.ts
│      63 数据介绍与读取.ts
/ m" O2 x# i6 E8 q- t  z: z│      64 配置文件制作.ts
! d9 q7 @) S) |, e" N6 ?  |% {: d│      65 编码器模型.ts
│      66 解码器模型.ts
0 h' S) L9 ^( u2 F! v│      67 制作训练batch数据.ts
1 o* y7 ~4 ~+ j; Y( x│      68 测试数据准备.ts
│      69 完成测试模块.ts
│      70 模板目录结构.mp4
│      71 模型与训练结构.ts
9 ?4 s0 T. ]+ I9 m/ ^* V. R6 v│      72 评论数据集与任务目标.ts
│      73 数据准备.ts
│      74 模型整体架构.ts
│      75 准备模型.ts
│      76 训练网络.ts
│      77 多标签训练.ts
/ J( G; q/ V0 k# Z" P. }│      
$ D& M$ q2 ]8 d, d) {" `# _└─keras代码课件
" F) d7 g7 d" P0 h6 S; _6 w6 g        keras.pptx
        第二,三章：搭建神经网络模型-应用于自己的数据集.zip
+ B0 z. j9 r( @5 r6 _        第四章：LSTM时间序列预测任务.zip
, U- E2 U, W+ W        第五章：文本分类实战.zip
        第六章：多标签与多输出.zip
        第七章：数据增强.zip
, l. V  C7 C0 p( e/ y4 I1 v        第八章：对抗生成网络.zip
        第九章：迁移学习.zip
' D0 E" R8 ~8 M* _        第十章：地址邮编多序列预测.zip
        第十一章：seq2seq网络实战.zip
) g6 e- Y% n0 S+ H2 I' G% _        第十二章：实战模板总结.zip
) [$ j* C, e1 _! @

下载地址:iqml&*(31

游客，如果您要查看本帖隐藏内容请回复

yuqinglong

11111111111

L0gan33

1111111111111111

ete_chan

[人工智能] 人工智能 keras项目实战2018年12月

xulichun

非常感谢楼主的分享

yz2yz

666

15811152978

11111

WEBLYP

人工智能 keras项目实战2018年12月

ottox

谢谢分享！！！

z164537268

66666666666