本课程专为希望深入掌握深度学习核心技术的开发者设计，涵盖卷积神经网络（CNN）、循环神经网络（RNN）和生成对抗网络（GAN）的算法原理与实战应用。课程内容包括从基础到进阶的神经网络知识，通过丰富的项目案例和源码，帮助学员构建、训练和优化深度学习模型。无论您是数据科学新手还是希望提升技能的专家，本课程都将提供实用知识和技能，助您在AI领域迈出坚实的一步。
以下云资源目录树快照生成于[12个月前]，该学习资料由夸克云用户[心旷*怡的青蛙]分享（只展示大部分文件和目录）
深度学习实战：CNN/RNN/GAN算法与项目案例（附源码）10.31GB(mp4视频106节；7z压缩包1个；)
资料.7z1.6GB第11章 课程总结
11-1 课程总结.mp433.66MB第10章 自动机器学习网络-AutoML
10-5 自动网络结构搜索算法三_深度学习之神经网络RNNGAN算法原理实战.mp425.44MB10-4 自动网络结构搜索算法二_深度学习之神经网络RNNGAN算法原理实战.mp426.62MB10-3 自动网络结构搜索算法一的分布式训练_深度学习之神经网络RNNGAN算法原理实战.mp427.67MB10-2 自动网络结构搜索算法一_深度学习之神经网络RNNGAN算法原理实战.mp444.43MB10-1 AutoML引入_深度学习之神经网络RNNGAN算法原理实战.mp413.6MB第9章 对抗神经网络
9-17 训练流程实现与效果展示_深度学习之神经网络RNNGAN算法原理实战.mp482.4MB9-16 DCGAN训练算子实现_深度学习之神经网络RNNGAN算法原理实战.mp448.96MB9-15 DCGAN计算图构建实现与损失函数实现_深度学习之神经网络RNNGAN算法原理实战.mp465.66MB9-14 DCGAN判别器实现.mp4334.9MB9-13 DCGAN生成器器实现.mp4720.84MB9-12 数据生成器实现_深度学习之神经网络RNNGAN算法原理实战.mp477.14MB9-11 DCGAN实战引⼊.mp4103.45MB9-10 对抗生成网络总结_深度学习之神经网络RNNGAN算法原理实战.mp48.22MB9-9 文本生成图像Text2Img_深度学习之神经网络RNNGAN算法原理实战.mp437.93MB9-8 多领域图像翻译StarGAN_深度学习之神经网络RNNGAN算法原理实战.mp443.43MB9-7 无配对图像翻译CycleGAN(2)_深度学习之神经网络RNNGAN算法原理实战.mp426.75MB9-6 无配对图像翻译CycleGAN(1)_深度学习之神经网络RNNGAN算法原理实战.mp417.38MB9-5 图像翻译Pix2Pix_深度学习之神经网络RNNGAN算法原理实战.mp446.54MB9-4 深度卷积对抗生成网络DCGAN(2)_深度学习之神经网络RNNGAN算法原理实战.mp421.38MB9-3 反卷积.mp436.53MB9-2 深度卷积对抗生成网络DCGAN(1).mp424.43MB9-1 对抗生成网络原理.mp4213.04MB第8章 图像生成文本
8-21 文本生成图像问题引入与本节课总结.mp417.1MB8-20 训练流程代码.mp477.73MB8-19 计算图构建-rnn结构实现、损失函数与训练算子实现.mp4161.85MB8-18 计算图构建-图片与词语embedding.mp494.62MB8-17 计算图构建-辅助函数实现.mp442.36MB8-16 ImageCaptionData类封装-批数据生成.mp4155.48MB8-15 ImageCaptionData类封装-图片特征读取.mp483.01MB8-14 文本描述转换为ID表示.mp438.32MB8-13 词表载入.mp458.15MB8-12 输入输出文件与默认参数定义.mp439.6MB8-11 图像特征抽取(2)-Inception3预训练模型抽取图像特征.mp487.06MB8-10 图像特征抽取(1)-文本描述文件解析.mp460.68MB8-9 数据介绍，词表生成.mp486.17MB8-8 图像生成文本模型对比与总结.mp410MB8-7 Bottom-up Top-down Attention模型.mp414.55MB8-6 Show attend and Tell 模型.mp449.86MB8-5 Show and Tell模型.mp47.5MB8-4 Multi-Modal RNN模型.mp427.17MB8-3 Encoder-Decoder框架与Beam Search算法生成文本.mp414.17MB8-2 图像生成文本评测指标.mp417.58MB8-1 图像生成文本问题引入⼊.mp459.64MB第7章 循环神经网络
7-19 循环神经网络总结.mp42.77MB7-18 TextCNN实现.mp4107.44MB7-17 LSTM单元内部结构实现.mp4173.57MB7-16 训练流程实现.mp492.92MB7-15 指标计算与梯度算子实现.mp454.41MB7-14 计算图实现.mp487.17MB7-13 计算图输入定义.mp468.48MB7-12 数据集封装.mp4109.15MB7-11 词表封装与类别封装.mp4107.89MB7-10 超参数定义.mp452.15MB7-9 实战代码模块解析.mp419.22MB7-8 数据预处理之词表生成与类别表生成.mp472.16MB7-7 数据预处理之分词.mp4130.56MB7-6 RNN与CNN融合解决文本分类.mp447.87MB7-5 基于CNN的文本分类模型(TextCNN).mp455.55MB7-4 基于LSTM的文本分类模型(TextRNN与HAN).mp433.84MB7-3 长短期记忆网络.mp426.19MB7-2 循环神经网络.mp464.55MB7-1 序列式问题.mp414.22MB第6章 图像风格转换
6-12 图像风格转换3算法.mp416.09MB6-11 图像风格转换2算法.mp442.97MB6-10 图像风格转换效果展示.mp452.21MB6-9 图像风格转换训练流程代码实现.mp4194.86MB6-8 图像风格转换计算图构建与损失函数计算.mp4109.07MB6-7 图像风格转换算法定义输入与调用GG-Net.mp487.65MB6-6 GG16模型搭建与载入类的封装.mp4162.32MB6-5 GG16预训练模型读取函数封装.mp469.19MB6-4 GG16预训练模型格式.mp431.67MB6-3 图像风格转换1算法.mp433.31MB6-2 卷积神经网络的能力.mp453.99MB6-1 卷积神经网络的应用.mp446.32MB第5章 卷积神经网络调参
5-11 批归一化实战（2）.mp4171.61MB5-10 批归一化实战（1）.mp4155.78MB5-9 图像增强实战.mp4212.98MB5-8 图像增强api使用.mp4149.58MB5-7 actiation-initializer-optimizer-实战.mp4179.67MB5-6 fine-tune-实战.mp4172.79MB5-4 Tensorboard实战（1）.mp4145.2MB5-4 Tensorboard实战（1） (1).mp4212.41MB5-3 激活函数到调参技巧（2）.mp447.78MB5-2 激活函数到调参技巧（1）.mp461.36MB5-1 adagrad_adam.mp424.03MB第4章 卷积神经网络进阶
4-7 Inception-mobile_net（2）.mp4131.72MB4-6 Inception-mobile_net（1）.mp4120.62MB4-5 GG-ResNet实战（2）.mp4176.79MB4-4 GG-ResNet实战（1）.mp4160.86MB4-3 卷积神经网络进阶（inception-mobile-net）.mp455.36MB4-2 卷积神经网络进阶（ggnet-Resnet）.mp473.32MB4-1 卷积神经网络进阶（alexnet）.mp451.16MB第3章 卷积神经网络
3-4 卷积神经网络实战.mp4128.51MB3-3 卷积神经网络（2）.mp439.64MB3-2 卷积神经网络（1）.mp461.43MB3-1 神经网络进阶.mp448.9MB第2章 神经网络入门
2-8 神经网络实现（多分类逻辑斯蒂回归模型实现）.mp4148MB2-7 神经元实现（二分类逻辑斯蒂回归模型实现）.mp4323.17MB2-6 数据处理与模型图构建(2).mp469.8MB2-5 数据处理与模型图构建(1).mp4101.93MB2-4 梯度下降.mp452.72MB2-3 神经元多输出.mp427.53MB2-2 神经元-逻辑斯底回归模型.mp422.6MB2-1 机器学习、深度学习简介.mp452.08MB第1章 课程介绍
1-1 课程导学.mp445.43MB
