TA的每日心情 | 擦汗 2021-3-10 01:52 |
---|
签到天数: 3 天 [LV.2]小吧熟人
|
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
├─视频
& ?: [- Q1 k# L' g- x. C. Z+ N│ 1 Keras项目实战课程概述.mp4/ d& ]8 k4 I; `1 Y7 y
│ 2 简介与安装.mp4
! T7 p5 i; M% J+ S$ _ L/ a! I0 |│ 3 训练自己的数据集整.mp4
5 ` L$ {" H* {│ 4 数据加载与预处理.mp4
' R0 ^; a1 z0 |" X5 \( X/ \7 n│ 5 搭建网络模型.mp42 J4 G% B6 W t6 E8 Y p/ Z
│ 6 学习率对结果的影响.ts: d( ~! l1 T' m @
│ 7 Drop-out操作.ts3 r8 J7 `; q* {9 l; R$ @
│ 8 权重初始化方法对比.ts
* f5 M2 [& v: b6 s$ G│ 9 初始化标准差对结果的影响.ts/ q5 h3 H9 b- L: {
│ 10 正则化对结果的影响.ts
?( `8 z5 ]) J6 j q7 U/ y│ 11 加载模型进行测试.ts
) p( Z6 E8 s d Y, L│ 12 卷积层构造.ts4 h* M1 n6 ]! _) q9 Q6 Z% T
│ 13 整体流程.ts$ N1 N) S# t4 t p' ^
│ 14 BatchNormalization效果.ts
2 Y4 L4 P: Q: ^' o" a│ 15 参数对比.ts
/ @: ]. X1 v* p5 }│ 16 网络测试效果.mp4
5 Y( V1 O$ C5 }- N) \3 R│ 17 时间序列模型.ts
# n1 I$ r: [/ {& C1 X& }5 a│ 18 网络结构与参数定义.ts& o* n+ p b: v/ B W
│ 19 构建LSTM模型.ts
# a/ A8 r; R: B& K: y│ 20 训练模型与效果展示.ts
1 Q3 l* A p# g- z) {│ 21 多序列预测结果.ts8 G- N8 j; ^+ k e6 a
│ 22 股票数据预测.ts
" x5 z8 X' j& H2 L│ 23 数据预处理.ts' a* c0 X3 P0 ?2 k9 _+ o
│ 24 预测结果展示.ts1 y2 L7 \5 `, L8 t5 t) r( l
│ 25 文本数据读取预处理.ts- }% F" m9 u6 s
│ 26 基本模型.ts
' B7 G6 Q# H# s) u5 P│ 27 Embeeding-layer效果.ts {# F' [8 o# X/ c* j
│ 28 准备词向量数据.ts
# [# A8 J/ k- ^' M2 u1 Y│ 29 词嵌入训练结果.ts4 Q1 L1 }9 G- Y3 f* w& i/ V0 B5 g
│ 30 加入LSTM层效果.ts; Q( |$ u g7 A- L$ Z! h/ A' X
│ 31 加入卷积层效果.ts
& ?% e: W. K8 b│ 32 参数调优.ts
0 t9 g5 I+ k9 C, o│ 33 多标签解决方案.ts
* n, r6 P& e2 C9 d; Y) s8 {│ 34 多标签网络训练与测试.ts( u. y7 i) D7 v' M
│ 35 多输出网络解决方案.ts1 c; C3 j& g; f
│ 36 多输出网络训练与测试.ts
: M" L6 t: S$ ?, x6 n+ s; }3 d│ 37 DIY你的数据集.ts) H. c. J& x) _) k/ ]1 B/ x
│ 38 数据增强概述.ts0 H1 D$ k3 a. [. k
│ 39 图像数据变换.ts
1 ~8 p1 C* x1 _! W8 _; u│ 40 数据增强效果.ts
+ o+ Z5 R. E! ?+ f9 |│ 41 对抗生成网络通俗解释.mp4
F8 Z: |' a0 x5 A: O│ 42 GAN网络组成.ts/ q* L; J1 G1 a& N2 c
│ 43 判别网络设计.ts
& m9 F( n5 M! a( k1 u7 D7 }│ 44 生成网络定义.ts; Q1 T' V+ m2 W% C' S
│ 45 标签制作.ts
) ? T1 C' C9 ^4 k* x t* V│ 46 训练与测试网络模型.ts
0 u' W0 ?9 n; k2 h" s6 G│ 47 DCGAN网络.ts
: D7 ^% k: D+ |7 i" Q B# F! F│ 48 迁移学习的目标.mp4$ J# Y+ ^9 p! v
│ 49 迁移学习策略.ts! S9 Y ~: o' V$ `
│ 50 Resnet原理.ts0 W5 P4 E9 C0 _/ g. x ]. y
│ 51 Resnet网络细节.ts4 E+ v* M: Q! U& J
│ 52 Resnet基本处理操作.ts
& o3 l- N m3 a0 E│ 53 shortcut模块.ts# U0 q6 q( X5 \2 }( p* t
│ 54 加载训练好的权重.ts5 d: D N. v- C6 _
│ 55 迁移学习效果对比.ts- g* ^) s) R1 h9 Q1 V3 q9 O9 A: w
│ 56 数据与目标.ts
: C+ v. g1 @. i│ 57 字符表制作.ts$ w5 U& T$ z& _+ I8 L
│ 58 数据读取.ts
0 u, n5 h* C* R$ a, j, Q& H& e│ 59 数据增强.ts
3 h7 G7 B, z3 ` v1 T│ 60 网络模型.ts% @: ?. X2 y( M% u- H7 z+ t
│ 61 测试效果.ts
9 W9 {4 y9 m n& t' K" ^│ 62 网络模型解读.ts
: x: C n2 V6 O3 W/ h: ~( q0 o│ 63 数据介绍与读取.ts
$ O9 L* r9 g" h- s+ r |/ L│ 64 配置文件制作.ts
2 H# R" \, L" a$ S│ 65 编码器模型.ts* N/ _! q2 f5 k
│ 66 解码器模型.ts( M7 q# g$ m# D6 Q
│ 67 制作训练batch数据.ts
# r- k6 u1 f: \" \│ 68 测试数据准备.ts% U+ l8 p+ b4 u9 e4 L7 D! [% G6 H
│ 69 完成测试模块.ts r9 a! j2 g' M6 t, f) ]* y
│ 70 模板目录结构.mp4+ L6 X' _. d6 f; G: ]/ n% ~5 d
│ 71 模型与训练结构.ts( F! ~+ x5 L. V! q& S
│ 72 评论数据集与任务目标.ts I3 Y, n# R* h, l2 B
│ 73 数据准备.ts
# a# g8 g0 T! V│ 74 模型整体架构.ts
3 i$ a6 b" F9 g& g/ @) N2 {│ 75 准备模型.ts1 d. T9 A: A* F
│ 76 训练网络.ts
# c( m0 d. _- _1 q│ 77 多标签训练.ts
4 b+ ?, i; m5 y( X2 r│
9 Y5 j2 z0 }% r8 k6 l- G└─keras代码课件" P* E' n9 W T* L: M
keras.pptx# ^$ a) [* I [2 N
第二,三章:搭建神经网络模型-应用于自己的数据集.zip
' P+ Q0 P2 U# F" f' J/ n 第四章:LSTM时间序列预测任务.zip
7 N# U2 ?1 ?2 |" r ` 第五章:文本分类实战.zip) Y/ b2 k' V( O2 |$ j0 f2 A
第六章:多标签与多输出.zip: N8 |0 p' g% K' n
第七章:数据增强.zip0 h3 c, z& }& x0 d5 D5 z. B* g
第八章:对抗生成网络.zip
+ [% D' H t5 k' y 第九章:迁移学习.zip
) l' r P: O" w* L/ v( j 第十章:地址邮编多序列预测.zip
, m2 B! @ u5 u 第十一章:seq2seq网络实战.zip
; W+ k' k! V. T* R 第十二章:实战模板总结.zip4 x( C7 q7 ^: L8 k. u0 g' v
/ ~1 z" e$ d- A! w; g
- R2 Y$ w2 O( H/ I x
下载地址:iqml&*(31 |
|