课程目录
1-1 [神经网络简介] 1.1 神经网络课程介绍 (04:50) 1-2 [神经网络简介] 1.2 c_cpp编程IDE操作入门 (35:27) 2-1 [神经网络基础理论] 2.1 人工神经网络理论基础 (15:47) 2-2 [神经网络基础理论] 2.2 多层神经元前向计算 (16:46) 2-3 [神经网络基础理论] 2.3 基于反向传播的神经网络BPNN (20:51) 2-4 [神经网络基础理论] 2.4 BPNN的Cpp代码实现 (07:10) 2-5 [神经网络基础理论] 2.5 数据预处理的归一化操作 (10:49) 2-6 [神经网络基础理论] 2.6 归一化操作代码实现 (12:30) 2-7 [神经网络基础理论] 2.7 BPNN的Python语言实现 (11:01) 3-1 [卷积神经网络基础理论] 3.1 神经网络的快速发展所带来的问题 (04:42) 3-2 [卷积神经网络基础理论] 3.2 卷积神经网络基本概念 (07:50) 3-3 [卷积神经网络基础理论] 3.3 自编码器 (06:30) 3-4 [卷积神经网络基础理论] 3.4 卷积运算理论与代码实现 (16:15) 3-5 [卷积神经网络基础理论] 3.5 卷积神经网络的代码实现 (07:24) 3-6 [卷积神经网络基础理论] 3.6 自编码器的代码实现 (06:40) 4-1 [卷积神经网络实操--MNIST手写字识别(主讲C++)] 4.1 MNIST手写体数据集简介 (12:47) 4-2 [卷积神经网络实操--MNIST手写字识别(主讲C++)] 4.2 MNIST数据集的数据读取 (05:31) 4-3 [卷积神经网络实操--MNIST手写字识别(主讲C++)] 4.3 MNIST数据的卷积操作 (15:55) 4-4 [卷积神经网络实操--MNIST手写字识别(主讲C++)] 4.4 MNIST数据的卷积反向操作与测试 (15:35) 4-5 [卷积神经网络实操--MNIST手写字识别(主讲C++)] 4.5 使用Python和Tensorflow处理MNIST (06:01) 5-1 [了解循环神经网络(RNN)与长短记忆神经网络(LSTM)] 5.1 循环神经网络RNN简介 (04:48) 5-2 [了解循环神经网络(RNN)与长短记忆神经网络(LSTM)] 5.2 长短记忆神经网络LSTM简介 (07:59) 6-1 [DarkNet使用入门] 1.darnet简单介绍 (07:12) 6-2 [DarkNet使用入门] 2.win10_cmake编译opencv (03:44) 6-3 [DarkNet使用入门] 3.opencv_vs2017工程配置测试 (02:36) 6-4 [DarkNet使用入门] 4.CUDA的安装与配置 (02:25) 6-5 [DarkNet使用入门] 5.编译darnet_yolo_v3成dll (06:01) 6-6 [DarkNet使用入门] 6.darnet_yolo_v3_vs2017工程化测试 (05:36) 6-7 [DarkNet使用入门] 7.Ubuntu_Linux编译与配置opencv (05:17) 6-8 [DarkNet使用入门] 8.Ubunut_Linux的Darknet编译与Qt测试 (03:47) 7-1 [opencv与dlib库的使用入门] 1.本节课程简单介绍 (04:25) 7-2 [opencv与dlib库的使用入门] 2.win10_opencv_vs2017的编译 (04:22) 7-3 [opencv与dlib库的使用入门] 3.win10_opencv_Qt的编译 (06:57) 7-4 [opencv与dlib库的使用入门] 4.配置Qt的Android开发环境 (05:53) 7-5 [opencv与dlib库的使用入门] 5.Qt上的opencv测试 (02:08) 7-6 [opencv与dlib库的使用入门] 6.dlib库的简介 (01:40) 7-7 [opencv与dlib库的使用入门] 7.dlib库的编译For_Qt (03:46) 7-8 [opencv与dlib库的使用入门] 8.dlib库的编译For_VS2017 (02:13) 7-9 [opencv与dlib库的使用入门] 9.opencv_dlib_vs2017的工程化配置 (12:29) 7-10 [opencv与dlib库的使用入门] 10.在VS2017中配置Qt开发环境 (04:39) 8-1 [DarkNet入门提高] 0.Darknet深度学习入门课程简介 (02:11) 8-2 [DarkNet入门提高] 1.cuda和cudnn的安装与配置 (04:10) 8-3 [DarkNet入门提高] 2.opencv的安装与配置 (05:24) 8-4 [DarkNet入门提高] 3.vs2017的下载与安装 (01:28) 8-5 [DarkNet入门提高] 4.win10_darknet的编译 (03:47) 8-6 [DarkNet入门提高] 5.voc数据集的准备 (06:17) 8-7 [DarkNet入门提高] 6.voc数据集模型训练前的相关配置文件修改 (05:07) 8-8 [DarkNet入门提高] 7.voc数据集的模型训练 (04:17) 8-9 [DarkNet入门提高] 8.自定义数据集的准备 (06:59) 8-10 [DarkNet入门提高] 9.自定义数据集模型训练前的相关配置文件修改 (01:43) 8-11 [DarkNet入门提高] 10.自定义数据集的模型训练 (01:32) 8-12 [DarkNet入门提高] 11.测试模型训练效果 (03:51) 8-13 [DarkNet入门提高] 12.opencv中调用自定义训练模型进行测试 (04:35) 9-1 [pyTorch学习入门] pytorch简介 (11:06) 9-2 [pyTorch学习入门] pytorch_win10_离线安装 (03:28) 9-3 [pyTorch学习入门] opencv-python的安装 (02:43) 9-4 [pyTorch学习入门] pycharm的安装 (03:30) 9-5 [pyTorch学习入门] python第三方包的离线下载方法讲解 (01:21) 9-6 [pyTorch学习入门] 训练数据cifar-10的准备 (01:27) 9-7 [pyTorch学习入门] 搭建AlexNet网络 (13:18) 9-8 [pyTorch学习入门] AlexNet网络模型训练 (01:20) 9-9 [pyTorch学习入门] pytorch模型转换成libtorch模型 (01:28) 9-10 [pyTorch学习入门] 下载libtorch文件 (02:06) 9-11 [pyTorch学习入门] cmake编译libtorch和opencv (08:50) 9-12 [pyTorch学习入门] 测试libtorch模型 (04:11) 9-13 [pyTorch学习入门] libtorch_vs2019_win10配置 (04:22)
