51cto深度学习入门教程

教程详情

├─Caffe训练专题
│ ├─第一课
│ │ ├─视频
│ │ │ part1_课程介绍.mov
│ │ │ part2_深度学习介绍.mov
│ │ │ part3_Caffe介绍.mov
│ │ │ part4_caffe安装.mov
│ │ │
│ │ └─附加OpenCV安装视频
│ │ │ linux下安装.mov
│ │ │
│ │ ├─OpenCV源码
│ │ │ opencv.zip
│ │ │ opencv_contrib.zip
│ │ │
│ │ └─测试代码
│ ├─第七课
│ │ │ 【补充】虚拟机镜像.txt
│ │ │ 第七课.pptx
│ │ │
│ │ ├─视频
│ │ │ caffe_lecture7_part1_RCNN_SPPNET.mp4.zip
│ │ │ caffe_lecture7_part2_FRCNN_YOLO_SSD.mp4.zip
│ │ │ caffe_lecture7_part3_pythonlayer.mp4.zip
│ │ │
│ │ └─论文资料
│ ├─第三课
│ │ ├─相关论文
│ │ ├─视频
│ │ │ caffe_lecture3_part1_前言.mp4
│ │ │ caffe_lecture3_part2_solver介绍.mp4
│ │ │ caffe_lecture3_part3_solver参数配置与优化方法.mp4
│ │ │ caffe_lecture3_part4_io模块介绍.mp4
│ │ │ caffe_lecture3_part5_图片转换lmdb.mp4
│ │ │ caffe_lecture3_part6_使用训练好的模型.mp4
│ │ │
│ │ └─课程代码
│ ├─第九课
│ │ ├─视频
│ │ │ caffe_lecture9_part1.mp4.zip
│ │ │ caffe_lecture9_part2.mp4.zip
│ │ │ caffe_lecture9_part3.mp4.zip
│ │ │
│ │ └─课程代码
│ │ ├─armadillo-7.500.2
│ │ │ ├─cmake_aux
│ │ │ │ ├─InstallFiles
│ │ │ │ └─Modules
│ │ │ ├─examples
│ │ │ │ └─lib_win64
│ │ │ ├─include
│ │ │ │ └─armadillo_bits
│ │ │ ├─mex_interface
│ │ │ ├─misc
│ │ │ ├─src
│ │ │ └─tests
│ │ └─MiniNet
│ │ ├─.git
│ │ │ ├─branches
│ │ │ ├─hooks
│ │ │ ├─info
│ │ │ ├─logs
│ │ │ │ └─refs
│ │ │ │ ├─heads
│ │ │ │ └─remotes
│ │ │ │ └─origin
│ │ │ ├─objects
│ │ │ │ ├─info
│ │ │ │ └─pack
│ │ │ └─refs
│ │ │ ├─heads
│ │ │ ├─remotes
│ │ │ │ └─origin
│ │ │ └─tags
│ │ └─cpp
│ │ ├─example
│ │ │ get_mnist.sh
│ │ │ mnist.cpp
│ │ │ mnist.cpp~
│ │ │ mnist.json
│ │ │
│ │ ├─include
│ │ │ blob.hpp
│ │ │ blob.hpp~
│ │ │ layer.hpp
│ │ │ layer.hpp~
│ │ │ mini_net.hpp
│ │ │ mini_net.hpp~
│ │ │ net.hpp
│ │ │ net.hpp~
│ │ │ test.hpp
│ │ │ test.hpp~
│ │ │
│ │ └─src
│ │ blob.cpp
│ │ blob.cpp~
│ │ layer.cpp
│ │ layer.cpp~
│ │ net.cpp
│ │ net.cpp~
│ │ ofsmall.cpp
│ │ ofsmall.cpp~
│ │
│ ├─第二课
│ │ ├─作业素材
│ │ ├─视频
│ │ │ part1_前言.mov
│ │ │ part5_layer&Net.mov
│ │ │ part6_proto介绍和编码使用.mov
│ │ │ part7_牛刀小试mnist数据集.mov
│ │ │
│ │ └─课程代码
│ │ └─视频
│ │ part1_前言.mov
│ │ part2_代码目录结构.mov
│ │ part3_blob源码分析.mov
│ │ part4_blob编程操作.mov
│ │
│ ├─第五课
│ │ ├─作业素材
│ │ ├─视频
│ │ │ caffe_lecture5_part1_前言.mp4
│ │ │ caffe_lecture5_part2_1_自定义Layer计算层.xyz
│ │ │ caffe_lecture5_part2_2_自定义Layer计算层.mp4
│ │ │ caffe_lecture5_part3_自定义数据输入层.xyz
│ │ │
│ │ └─课程代码
│ ├─第八课
│ │ └─视频
│ │ caffe_lecture8_part1_矩阵运算.mp4.zip
│ │ caffe_lecture8_part2_Caffe最小化.mp4.zip
│ │
│ ├─第六课
│ │ ├─视频
│ │ └─课程代码
│ │ └─上周作业用代码
│ ├─第十课
│ │ ├─作业素材
│ │ ├─参考资料
│ │ └─视频
│ │ caffe_lecture10_part1_前言.mp4.zip
│ │ caffe_lecture10_part2_数据预处理tricks.mp4.zip
│ │ caffe_lecture10_part3_训练tricks.mp4.zip
│ │ caffe_lecture10_part4_可视化结果分析tricks_实战tricks.mp4.zip
│ │
│ ├─第四课
│ │ ├─视频
│ │ │ caffe_lecture4_part1_前言.mp4
│ │ │ caffe_lecture4_part2_可视化工具.mp4.zip
│ │ │ caffe_lecture4_part3_卷积、池化、全连接、激活和Softmax.mp4
│ │ │
│ │ └─课程代码
│ └─资料
├─深度学习理论(2)
│ ├─第01课程 深度学习背景与人工神经网络
│ │ (01)深度学习背景与人工神经网络.mp4
│ │ 第1课--深度学习背景与人工神经网络 .pdf
│ │
│ ├─第02课程 计算机视觉与卷积神经网络
│ │ (02)计算机视觉与卷积神经网络.mp4
│ │ lesson_2_slides_codes.zip
│ │ 第2课--计算机视觉与卷积神经网络.pdf
│ │
│ ├─第03课 神经网络与训练细节
│ │ (03)神经网络与训练细节(下).mp4
│ │ (03)神经网络与训练细节.mp4
│ │ 第3课--神经网络与训练细节.pdf
│ │
│ ├─第04课 卷积神经网络与迁移学习
│ │ (04)卷积神经网络与迁移学习.mp4
│ │ 第4课--卷积神经网络与迁移学习.pdf
│ │
│ ├─第05课 caffe使用与卷积神经网络
│ │ (05)caffe使用与卷积神经网络(下).mp4
│ │ (05)Caffe使用与卷积神经网络案例上.mp4
│ │ 第5课--caffe使用与卷积神经网络案例.pdf
│ │
│ ├─第06课 NLP、词嵌入与相关应用
│ │ (06)NLP、词嵌入与相关应用上.mp4
│ │ (06)NLP、词嵌入与相关应用下.mp4
│ │ 第6课--NLP、词嵌入与相关应用.pdf
│ │
│ ├─第07课 循环神经网络与长短时记忆
│ │ (7)RNN与LSTM.mp4
│ │ 第7课--循环神经网络与长短时记忆.pdf
│ │
│ ├─第08课 循环神经网络应用案例
│ │ (08)循环神经网络与应用案例.mp4
│ │ 第8课--循环神经网络应用案例.pdf
│ │
│ ├─第09课 AlphaGo与其背后的原理
│ │ (09)Alphago原理与代码.mp4
│ │ 第9课--Alphago与其背后的原理.pdf
│ │
│ └─第10课 深度学习框架与使用案例
│ (10)深度学习主流框架示例.mp4
│ MxNet_examples.zip
│ Tensorflow_notebooks.zip
│ 第10课--深度学习框架与使用案例.pdf
│
├─深度学习理论(3)
│ ├─第10课 更多框架
│ │ 5月班第10课_framework.pdf
│ │ 第10课 更多框架.avi
│ │
│ ├─第1课 机器学习中数学基础
│ │ 五月班第一次课件：机器学习中数学基础 (1).pdf
│ │ 第1课 机器学习中数学基础.avi
│ │
│ ├─第2课 高效计算基础与图像线性分类器
│ │ 5月班第2课课件：高效计算基础与图像线性分类器.pdf
│ │ image linear classification.zip
│ │ numpy_operations.ipynb
│ │ 第2课 高效计算基础与图像线性分类器.avi
│ │
│ ├─第3课 梯度下降法与反向传播
│ │ 5月班第3课课件：梯度下降法与反向传播 (1).pdf
│ │ 第3课 梯度下降法与反向传播.avi
│ │
│ ├─第4课 CNN与常用框架
│ │ 5月深度学习班第4课--CNN，典型网络结构与常用框架.pdf
│ │ 第4课 CNN与常用框架.avi
│ │
│ ├─第5课 CNN训练注意事项与框架使用
│ │ 5月班第5次课 - caffe TensorFlow使用与CNN训练注意事项.pdf
│ │ 第5课 CNN训练注意事项与框架使用.xyz
│ │
│ ├─第6课 CNN推展案例
│ │ 5月班第6次课 - CNN扩展 图像识别与定位 物体检测 NeuralStyle.pdf
│ │ 第6课 CNN推展案例.avi
│ │
│ ├─第7课 RNN介绍
│ │ 5月班第7课课件_rnn_intrduction.pdf
│ │ 第7课 RNN介绍.xyz
│ │
│ ├─第8课 RNN应用
│ │ 5月班第8课_rnn_appliacation.pdf
│ │ 第8课 RNN应用.avi
│ │
│ └─第9课 更多的网络类型
│ 5月班第9次课课件_more_about_nn.pdf
│ 第9课 更多的网络类型.avi
│
└─许多霜视频
│ XYZ加密播放器.exe
│
├─机器学习部分
│ ├─机器学习实践(Matlab)
│ │ ├─01 MATLAB入门基础
│ │ ├─02MATLAB进阶与提高
│ │ │ Class_02.flv.avi
│ │ │
│ │ ├─03BP神经网络
│ │ │ Class_03.flv.avi
│ │ │
│ │ ├─04RBF、GRNN和PNN神经网络
│ │ │ Class_04.flv.avi
│ │ │
│ │ ├─05 竞争神经网络与SOM神经网络
│ │ │ Class_05.flv.avi
│ │ │
│ │ ├─06 支持向量机（Support Vector Machine, SVM）
│ │ │ Class_06.flv.avi
│ │ │
│ │ ├─07 极限学习机（Extreme Learning Machine, ELM）
│ │ │ Class_7.flv.avi
│ │ │
│ │ ├─08 决策树与随机森林
│ │ │ Class_8.flv.avi
│ │ │
│ │ ├─09 遗传算法（Genetic Algorithm, GA）
│ │ │ Class_9.flv.avi
│ │ │
│ │ ├─10 粒子群优化（Particle Swarm Optimization, PSO）算法
│ │ │ Class_10.flv.avi
│ │ │
│ │ ├─11蚁群算法（Ant Colony Algorithm, ACA）
│ │ │ Class_11.flv.avi
│ │ │
│ │ ├─12模拟退火算法（Simulated Annealing, SA）
│ │ │ Class_12.flv.avi
│ │ │
│ │ └─13降维与特征选择
│ │ Class_13.flv.avi
│ │
│ ├─机器学习实践(Python)
│ │ │ (01)机器学习数学基础.avi
│ │ │ (02)随机森林及其应用.avi
│ │ │ (03)特征工程与模型调优.avi
│ │ │ (04)推荐系统与案例.xyz
│ │ │ (05)从分类到CTR预估.xyz
│ │ │ (06)自然语言处理应用基础.avi
│ │ │ (07)深度学习在自然语言处理中的应用.avi
│ │ │ (08)图像检索.avi
│ │ │ (09)计算机视觉中的物体检测.avi
│ │ │ (10)社交网络在工业界的应用.xyz
│ │ │
│ │ ├─素材
│ │ │ (03)特征工程素材代码.zip
│ │ │ (04)推荐系统3个案例.zip
│ │ │ (05)CRT预测.rar
│ │ │ (06)naive_bayes-master.zip
│ │ │
│ │ └─课件
│ │ (01)数学基础.pdf
│ │ (02)随机森林及其应用.pdf
│ │ (03)特征工程与模型调优.pdf
│ │ (04)推荐系统与案例.pdf
│ │ (05)分类排序与CTR预估.pdf
│ │ (06)自然语言处理应用基础.pdf
│ │ (07)深度学习在自然语言处理的应用.pdf
│ │ (08)图像检索与那些相关的应用.pdf
│ │ (09)计算机视觉中的物体检测.pdf
│ │ (10)社交网络在工业界的应用.pdf
│ │
│ └─机器学习理论
│ ├─(01)机器学习与相关数学初步
│ ├─(02)数理统计与参数估计
│ ├─(03)矩阵分析与应用
│ ├─(04)凸优化初步
│ ├─(05)回归分析与工程应用
│ │ └─课件和数据及代码
│ │ └─.ipynb_checkpoints
│ ├─(06)特征工程
│ │ │ (6)特征工程.xyz
│ │ │
│ │ └─课件与数据及代码
│ ├─(07)工作流程与模型调优
│ ├─(08)最大熵模型与EM算法
│ ├─(09)推荐系统与应用
│ │ └─(9)推荐系统与应用
│ ├─(10)聚类算法与应用
│ ├─(11)决策树随机森林和adaboost
│ │ └─代码
│ │ └─.ipynb_checkpoints
│ ├─(12)SVM
│ │ ├─(补充材料1)SVM补充视频
│ │ └─(补充材料2)SVM的Python程序代码
│ ├─(13)贝叶斯方法
│ ├─(14)主题模型
│ ├─(15)贝叶斯推理采样与变分
│ │ (15)贝叶斯推理采样变分方法.xyz
│ │
│ ├─(16)人工神经网络
│ ├─(17)卷积神经网络
│ ├─(18)循环神经网络与LSTM
│ │ (18)循环神经网络和LSTM.xyz
│ │
│ ├─(19)Caffe&Tensor Flow&MxNet 简介
│ ├─(20)贝叶斯网络和HMM
│ └─(额外补充)词嵌入word embedding
├─环境搭建相关软件
│ ├─32位操作系统
│ │ Anaconda2-4.2.0-Windows-x86_64.exe
│ │ eclipse-java-neon-R-win32.zip
│ │ jre-8u101-windows-i586.exe
│ │
│ └─64位操作系统
│ eclipse-java-neon-R-win32-x86_64.zip
│ jre-8u101-windows-x64.exe
│ 安装建议.txt
│
└─零基础入门部分
├─(基础1)Python程序入门视频
│ ├─视频
│ │ 1.1_课程Python介绍_压缩.mp4
│ │ 1.2环境配置1.mp4
│ │ 1.3配置Python环境2.mp4
│ │ 2.1Package以及数据类型.mp4
│ │ 2.2_Part2字符串String和变量Variable.mp4
│ │ 2.2_数据类型2整型_字符串.mp4
│ │ 3.1数据结构列表List.mp4
│ │ 3.2_Part2列表List元组tuple对比.mp4
│ │ 3.2元组Tuple.mp4
│ │ 3.3词典Dictionary.mp4
│ │ 3.4函数function1.mp4
│ │ 3.4函数Function2.mp4
│ │ 4.1控制流1IfFor.mp4
│ │ 4.2控制流2WhileRangePart1.mp4
│ │ 4.2控制流2WhileRangePart2.mp4
│ │ 4.3控制流2BreakContinuePass.mp4
│ │ 5.1输入输出格式IoConsole.mp4
│ │ 5.2文件输入输出FileIo.mp4
│ │ 6.1错误与异常ErrorsExceptions.mp4
│ │ 7.1面向对象以及装饰器OoDecorators.mp4
│ │ 8.1图形界面介绍GuiTkinter.mp4
│ │ 8.2猜数字游戏.mp4
│ │ 9创建网页.mp4
│ │ 去重4.2控制流2WhileRangePart2.mp4
│ │ 重录3.4Function1.mp4
│ │
│ └─课件
│ 去重3.2_Part2列表List元组tuple对比.mp4
│ 重新编码3.4function1.mp4
│
├─(基础2)机器学习深度学习基础
│ │ 代码与素材.rar
│ │
│ ├─视频
│ │ 1.1课程介绍机器学习介绍上.mp4
│ │ 1.1课程介绍机器学习介绍下.mp4
│ │ 1.2深度学习介绍.mp4
│ │ 2基本概念.mp4
│ │ 3.1决策树算法.mp4
│ │ 3.2决策树应用.mp4
│ │ 4.1最邻近规则分类KNN算法.mp4
│ │ 4.2最邻近规则KNN分类应用.mp4
│ │ 5.1支持向量机SVM上.mp4
│ │ 5.1支持向量机SVM上应用.mp4
│ │ 6.2神经网络算法应用上（跳过不用看）.mp4
│ │ 6.3神经网络算法应用下（跳过不用看）.mp4
│ │ 7.1简单线性回归上.mp4
│ │ 7.2简单线性回归下.mp4
│ │ 7.3多元线性回归.mp4
│ │ 7.4多元线性回归应用.mp4
│ │ 7.5非线性回归 Logistic Regression.mp4
│ │ 7.6非线性回归应用.mp4
│ │ 7.7回归中的相关度和决定系数.mp4
│ │ 7.8回归中的相关性和R平方值应用.mp4
│ │ 8.1Kmeans算法.mp4
│ │ 8.2Kmeans应用.mp4
│ │ 8.3Hierarchical clustering 层次聚类.mp4
│ │ 8.4Hierarchical clustering 层次聚类应用.mp4
│ │ 总结.mp4
│ │ 支持向量机(SVM)算法(下)应用.mp4
│ │ 支持向量机(SVM)算法下.mp4
│ │ 神经网络NN算法（跳过不用看）.mp4
│ │
│ └─课件
│ ├─1.2 深度学习(Deep Learning)介绍_files
│ ├─3.1 决策树(decision tree)算法_files
│ ├─3.2 决策树(decision tree)应用_files
│ ├─4.1 最邻近规则分类(K-Nearest Neighbor)KNN算法_files
│ ├─4.2 最邻近规则分类(K-Nearest Neighbor)KNN算法应用_files
│ ├─5.1 支持向量机(SVM)算法（上）_files
│ ├─5.2 支持向量机(SVM)算法（下）_files
│ ├─6.1 神经网络算法(Nerual Networks)（上）_files
│ ├─6.2神经网络算法应用上
│ ├─6.3神经网络算法应用下
│ ├─7.1 简单线性回归 (Simple Linear Regression)上_files
│ ├─7.1 简单线性回归 (Simple Linear Regression)下_files
│ ├─7.3　多元回归分析(multiple regression)_files
│ ├─7.5 非线性回归 logistic regression_files
│ ├─7.7 回归中的相关度和R平方值_files
│ ├─8.1 聚类(Clustering) K-means算法_files
│ └─8.3 聚类(Clustering) hierarchical clustering 层次聚类_files
└─(基础3)机器学习深度学习基础
├─视频
│ 第10章 神经网络手写数字演示.mp4
│ 第11章 Backpropagation算法上.mp4
│ 第12章 Backpropagation算法下.mp4
│ 第13章 Backpropagation算法实现.mp4
│ 第14章 cross-entropy函数.mp4
│ 第15章 Softmax和Overfitting.mp4
│ 第16章 Regulization.mp4
│ 第17章 Regulazition和Dropout.mp4
│ 第18章 正态分布和初始化(修正版).mp4
│ 第19章 提高版本的手写数字识别实现.mp4
│ 第1章 基本概念清晰版.mp4
│ 第20章 神经网络参数hyper-parameters选择.mp4
│ 第21章 深度神经网络中的难点.mp4
│ 第22章 用ReL解决VanishingGradient问题.mp4
│ 第23章 ConvolutionNerualNetwork算法.mp4
│ 第24章 ConvolutionNeuralNetwork实现上.mp4
│ 第25章 ConvolutionNeuralNetwork实现下.mp4
│ 第26章 Restricted Boltzmann Machine.mp4
│ 第27章 Restricted Boltzmann Machine下.mp4
│ 第28章 Deep Brief Network 和 Autoencoder.mp4
│ 第2章 软件包安装和环境配置总述.mp4
│ 第3章 环境配置分部详解.mp4
│ 第4章 环境配置分部详解下.mp4
│ 第5章 手写数字识别.mp4
│ 第6章 神经网络基本结构及梯度下降算法.mp4
│ 第7章 随机梯度下降算法.mp4
│ 第8章 梯度下降算法实现上.mp4
│ 第9章 梯度下降算法实现下.mp4
│
└─课件
深度学习进阶课件.rar

教程截图

教程下载

原文链接：【教程宝盒网】 https://www.jc-box.com/3956.html，转载请注明出处。