Python+AI -黑马- 人脸识别Python人工智能【完结】

Python+AI -黑马- 人脸识别Python人工智能【完结】

课程介绍:

课程资源名称:Python+AI -黑马- 人脸识别Python人工智能【完结】,资源大小:0.00K,详见下发截图与文件目录。

Python+AI -黑马- 人脸识别Python人工智能【完结】

Python+AI -黑马- 人脸识别Python人工智能【完结】

课程文件目录:Python+AI -黑马- 人脸识别Python人工智能【完结】

1-1 深度学习基础 [534.10M]

1.深度学习介绍 [44.62M]

1.深度学习介绍 [44.62M]

01_深度学习课程介绍.mp4 [6.37M]

02_深度学习介绍.mp4 [33.23M]

03_深度学习介绍2.mp4 [5.03M]

2.神经网络基础 [282.88M]

2.神经网络基础 [282.88M]

01_逻辑回归介绍.mp4 [26.84M]

02_逻辑回归损失函数.mp4 [17.21M]

03_梯度下降算法过程以及公式.mp4 [21.08M]

04_导数意义介绍.mp4 [6.84M]

05_a^2函数的导数介绍.mp4 [17.14M]

06_导数计算图与链式法则.mp4 [24.89M]

07_逻辑回归的导数计算图分析以及参数导数.mp4 [23.56M]

08_向量化编程介绍引入.mp4 [17.41M]

09_向量化编程的优势.mp4 [17.44M]

10_向量化实现逻辑回归的梯度计算更新.mp4 [17.44M]

11_正向传播与反向传播、作业介绍.mp4 [14.16M]

12_作业讲解题1:实现sigmoid函数与梯度实.mp4 [7.18M]

13_作业讲解题2:单神经元神经网络(logistic)分类作业流程介绍.mp4 [9.93M]

14_作业讲解题2:参数初始化与前向传播、反向传播.mp4 [24.11M]

15_作业讲解题2:优化迭代实现、model逻辑实现.mp4 [23.02M]

16_总结.mp4 [14.63M]

3.浅层神经网络 [163.83M]

3.浅层神经网络 [163.83M]

00.浅层神经网络.mp4 [3.90M]

01_浅层神经网络表示.mp4 [14.86M]

02_浅层神经网络的前向传播.mp4 [12.90M]

03_激活函数的选择.mp4 [21.02M]

04_浅层神经网络的反向传播.mp4 [18.44M]

05_作业介绍.mp4 [7.72M]

06_作业实现:初始化模型与前向传播.mp4 [28.36M]

07_作业实现:反向传播与更新梯度.mp4 [33.62M]

08_作业实现:网络模型逻辑实现.mp4 [15.34M]

09_总结.mp4 [7.65M]

4.深层神经网络 [42.77M]

4.深层神经网络 [42.77M]

01_深层神经网络表示.mp4 [17.93M]

02_深层神经网络的反向传播过程.mp4 [9.76M]

03_参数初始化与超参数介绍.mp4 [15.07M]

1-10 图片商品物体检测项目第三阶段-项目实现与部署 [1.10G]

1.项目架构 [36.38M]

1.项目架构 [36.38M]

01_项目架构设计.mp4 [21.14M]

02_训练与测试整体结构设计.mp4 [15.24M]

10.tfserving客户端 [114.82M]

10.tfserving客户端 [114.82M]

01_tensorflowservingclient逻辑.mp4 [21.00M]

02_client:用户输入图片处理.mp4 [23.60M]

03_client:grpc与servingapis介绍.mp4 [16.36M]

04_client:客户端建立连接获取结果代码.mp4 [18.10M]

05_client:结果解析.mp4 [19.13M]

06_client:结果标记返回.mp4 [16.64M]

11.服务器部署 [41.01M]

11.服务器部署 [41.01M]

01_服务器部署:服务器部署的代码文件需求、服务开启.mp4 [14.65M]

02_项目总结.mp4 [26.35M]

2.数据接口实现 [160.98M]

2.数据接口实现 [160.98M]

01_数据接口:商品格式转换实现.mp4 [18.89M]

02_数据接口:读取数据接口设计以及基类如何定义.mp4 [26.31M]

03_数据接口:商品数据读取子类实现.mp4 [70.07M]

04_数据接口:数据读取工厂逻辑实现.mp4 [26.22M]

05_数据接口:代码运行与数据模块总结.mp4 [19.49M]

3.模型接口实现 [18.58M]

3.模型接口实现 [18.58M]

01_模型接口:接口设置以及模型工厂代码.mp4 [18.58M]

4.预处理接口实现 [98.59M]

4.预处理接口实现 [98.59M]

01_预处理接口:预处理需求介绍、数据增强介绍.mp4 [48.87M]

02_预处理接口:预处理工厂代码.mp4 [31.67M]

03_预处理接口:预处理工厂代码参数错误调整.mp4 [2.81M]

04_数据接口、模型接口、预处理接口参数总结.mp4 [15.24M]

5.训练过程实现 [418.87M]

5.训练过程实现 [418.87M]

01_训练:训练步骤与设备部署介绍.mp4 [23.13M]

02_训练:model_deploy介绍.mp4 [30.71M]

03_训练:训练运行结果显示与初始配置确定.mp4 [37.06M]

04_训练:1设备配置代码以及全局步数定义.mp4 [33.51M]

05_训练:2图片数据读取与处理逻辑介绍.mp4 [17.69M]

06_训练:2数据模块与网络模型获取结果.mp4 [38.71M]

07_训练:2网络参数修改、provider获取数据、预处理.mp4 [47.16M]

08_训练:2nhwc和nchw介绍.mp4 [7.18M]

09_训练:2对anchors进行正负样本标记.mp4 [15.84M]

10_训练:2批处理获取以及数据形状变换.mp4 [28.83M]

11_训练:2队列设置.mp4 [15.84M]

12_训练:3复制模型、添加参数观察与4添加学习率和优化器.mp4 [60.58M]

13_训练:5总损失计算与变量平均梯度计算6训练配置.mp4 [32.79M]

14_训练:训练流程总结.mp4 [29.86M]

6.测试过程实现 [113.00M]

6.测试过程实现 [113.00M]

01_测试:测试流程介绍、代码.mp4 [63.05M]

02_测试:图片输入、结果标记代码.mp4 [49.95M]

7.模型部署介绍 [33.72M]

7.模型部署介绍 [33.72M]

01_web服务与模型部署流程关系介绍.mp4 [9.52M]

02_本地tensorflowserving演示以及逻辑介绍.mp4 [24.21M]

8.导出模型 [75.11M]

8.导出模型 [75.11M]

01_模型导出:模型输入输出定义.mp4 [20.71M]

02_模型导出:savedmodel导出模型.mp4 [54.39M]

9.打开模型服务 [13.55M]

9.打开模型服务 [13.55M]

01_开启模型服务.mp4 [13.55M]

1-2 深度学习优化进阶 [749.67M]

1.多分类 [238.73M]

1.多分类 [238.73M]

01_深度学习紧接、多分类介绍.mp4 [17.56M]

02_交叉熵损失原理.mp4 [24.39M]

03_案例:mnist手写数字数据介绍.mp4 [18.15M]

04_案例:网络结构、流程、代码介绍.mp4 [25.68M]

05_案例:主网络结构搭建实现.mp4 [45.81M]

06_案例:添加准确率.mp4 [33.44M]

07_案例:tensorboard观察显示.mp4 [28.24M]

08_案例:添加模型保存、预测.mp4 [33.15M]

09_调整学习率带来的问题.mp4 [12.30M]

2.梯度下降算法优化 [254.07M]

2.梯度下降算法优化 [254.07M]

01_深度学习遇到问题、为什么需要优化算法.mp4 [33.09M]

02_mini梯度下降与batch梯度下降.mp4 [35.15M]

03_指数加权平均.mp4 [20.48M]

04_动量梯度下降原理公式理解.mp4 [39.56M]

05_rmsprop与adam原理与学习率递减.mp4 [16.18M]

06_标准化输入带来的优化.mp4 [19.36M]

07_作业介绍.mp4 [10.42M]

08_作业讲解1.mp4 [74.00M]

09_作业讲解2.mp4 [5.82M]

3.深度学习正则化 [178.80M]

3.深度学习正则化 [178.80M]

01_深度学习偏差与方差介绍为、什么需要正则化.mp4 [30.90M]

02_正则化概念、l2正则化与l1正则化.mp4 [28.91M]

03_droupout过程与原理理解.mp4 [38.35M]

04_其它正则化方法-早停止法与数据增强.mp4 [39.90M]

05_正则化作业介绍.mp4 [9.02M]

06_作业讲解1.mp4 [24.31M]

07_作业讲解2.mp4 [7.41M]

4.神经网络调参与bn [78.06M]

4.神经网络调参与bn [78.06M]

01_神经网络调参数技巧与如何设置参数、如何运行.mp4 [20.24M]

02_批标准化定义、公式、为什么有效.mp4 [57.81M]

1-3 卷积神经网络 [418.56M]

1.卷积网络原理 [181.57M]

1.卷积网络原理 [181.57M]

01_卷积来源、数据量与感受野的边缘检测.mp4 [51.51M]

02_卷积网络结构介绍.mp4 [13.50M]

03_默认卷积的运算过程.mp4 [11.46M]

04_零填充.mp4 [17.38M]

05_过滤器大小与步长.mp4 [22.45M]

06_多通道的卷积与多卷积核.mp4 [12.70M]

07_卷积总结.mp4 [26.65M]

08_池化层.mp4 [15.51M]

09_全连接层.mp4 [10.41M]

2.经典分类结构 [140.34M]

2.经典分类结构 [140.34M]

01_lenet5的计算过程详解.mp4 [34.41M]

02_常见网络结构介绍.mp4 [26.26M]

03_inception(1×1卷积介绍).mp4 [32.23M]

04_inception结构以及改进.mp4 [24.67M]

05_googlenet了解与卷积网络学习内容.mp4 [22.78M]

3.cnn实战 [96.64M]

3.cnn实战 [96.64M]

01_作业介绍.mp4 [9.22M]

02_作业讲解.mp4 [56.96M]

03_迁移学习.mp4 [30.46M]

1-4 循环神经网络 [725.95M]

1.循环神经网络 [308.38M]

1.循环神经网络 [308.38M]

01_循环神经网络背景介绍.mp4 [12.94M]

02_循环神经网络结构原理.mp4 [26.65M]

03_词的表示与矩阵形状运算.mp4 [33.00M]

04_交叉熵损失计算.mp4 [5.75M]

05_时间反向传播算法.mp4 [37.78M]

06_梯度消失、案例介绍.mp4 [18.03M]

07_手写rnn案例:单个cell前向传播.mp4 [23.77M]

08_手写rnn案例:所有cell的前向传播.mp4 [34.45M]

09_手写rnn案例:单个cell的反向传播.mp4 [34.75M]

10_手写rnn案例:所有cell的反向传播.mp4 [48.99M]

11_案例总结.mp4 [5.92M]

12_gru与lstm介绍.mp4 [26.33M]

2.词嵌入 [51.94M]

2.词嵌入 [51.94M]

01_词嵌入介绍.mp4 [20.82M]

02_词嵌入案例.mp4 [31.13M]

3.seq2seq与attention机制 [365.63M]

3.seq2seq与attention机制 [365.63M]

01_seq2seq介绍与理解.mp4 [24.55M]

02_seq2seq机器翻译等场景介绍分析.mp4 [6.20M]

03_attention原理分析.mp4 [45.13M]

04_机器翻译案例:日期格式翻译转换、代码结构介绍.mp4 [17.77M]

05_机器翻译案例:模型参数定义.mp4 [16.63M]

06_机器翻译案例:数据获取以及数据格式转换介绍.mp4 [19.33M]

07_机器翻译案例:训练逻辑与网络结构介绍.mp4 [23.51M]

08_机器翻译案例:网络输入输出逻辑介绍.mp4 [14.75M]

09_机器翻译案例:网络输入输出逻辑编写.mp4 [39.71M]

10_机器翻译案例:自定义网络seq2seq的编解码器定义.mp4 [31.22M]

11_机器翻译案例:seq2seq的输出层定义.mp4 [9.54M]

12_机器翻译案例:attention结构定义.mp4 [37.68M]

13_机器翻译案例:model中计算attention输出c逻辑函数实现.mp4 [25.83M]

14_机器翻译案例:训练逻辑编写.mp4 [18.01M]

15_机器翻译案例:训练结果与问题解决.mp4 [8.49M]

16_机器翻译案例:测试逻辑结果演示.mp4 [11.15M]

17_集束搜索介绍.mp4 [16.15M]

1-5 高级主题 [367.34M]

1.生产对抗网络 [181.16M]

1.生产对抗网络 [181.16M]

01_高级主题介绍、gan介绍.mp4 [32.71M]

02_gan原理、损失和dcgan结构.mp4 [21.50M]

03_生成数字图片案例:结果演示流程介绍.mp4 [20.81M]

04_生成数字图片案例:模型初始化代码编写.mp4 [48.44M]

05_生成数字图片案例:训练流程.mp4 [43.60M]

06_生成数字图片案例:运行保存图片并对比.mp4 [14.09M]

2.自动编码器 [125.59M]

2.自动编码器 [125.59M]

01_自动编码器介绍.mp4 [11.25M]

02_案例:编码器类别、普通自编码器流程、模型初始化逻辑.mp4 [31.44M]

03_案例:训练普通自编码器.mp4 [29.11M]

04_案例:深度自编码器编写演示.mp4 [7.87M]

05_案例:卷积自编码器编写演示.mp4 [18.38M]

06_案例:降噪编码器介绍.mp4 [9.86M]

07_案例:降噪编码器案例.mp4 [17.67M]

3.capsulenet [60.59M]

3.capsulenet [60.59M]

01_capsulenet了解.mp4 [33.33M]

02_深度学习课程总结.mp4 [27.26M]

1-6 百度人脸识别 [1.80G]

1.平台介绍 [152.74M]

1.平台介绍 [152.74M]

0_课程组成和目标.mp4 [3.73M]

1_1_访问入口.mp4 [13.35M]

1_2_机器学习平台_介绍.mp4 [20.43M]

1_3_百度深度学习平台_介绍.mp4 [24.32M]

1_4_百度深度学习平台_创建集群.mp4 [15.44M]

1_5_百度人工智能平台_功能介绍.mp4 [21.06M]

1_6_人工智能平台_服务开通.mp4 [15.74M]

1_7_人工智能平台_访问方式和sdk安装.mp4 [38.67M]

2.图像技术之人脸识别 [259.75M]

2.图像技术之人脸识别 [259.75M]

2_1_1_人脸识别功能介绍_开通应用.mp4 [21.47M]

2_1_2人脸识别_api.mp4 [36.89M]

2_1_3_人脸检测_步骤和代码浏览.mp4 [25.75M]

2_1_4_人脸检测_获取access_token.mp4 [23.69M]

2_1_5_人脸检测_调用api.mp4 [48.90M]

2_1_6_人脸检测_图像坐标.mp4 [19.80M]

2_1_7_人脸检测_边框.mp4 [28.35M]

2_1_8_人脸检测_性别年龄总结.mp4 [27.19M]

2_1_9_人脸检测_sdk方式.mp4 [27.70M]

3.图像技术之图像识别 [297.04M]

3.图像技术之图像识别 [297.04M]

2_2_1_图像识别功能_应用创建.mp4 [23.68M]

2_2_10_定制化图像识别_物体检测_流程.mp4 [21.86M]

2_2_11_定制化图像识别_物体检测api_错误码.mp4 [9.01M]

2_2_2_图像识别_物体检测api_实例.mp4 [32.37M]

2_2_3_图像检测识别_菜品识别.mp4 [24.70M]

2_2_4_图像检测_车辆检测.mp4 [30.14M]

2_2_5_定制化图像识别_特点和功能.mp4 [17.21M]

2_2_5_定制化图像识别_图像分类_步骤.mp4 [40.87M]

2_2_6_定制化图像识别_图像分类_操作.mp4 [26.98M]

2_2_7_定制化图像识别_图像分类_关联和调用流程.mp4 [13.21M]

2_2_8_定制化图像识别_图像分类_代码实现.mp4 [44.83M]

2_2_9_定制化图像识别_图像分类_迭代和常见问题.mp4 [12.17M]

4.图像技术之文字识别 [209.79M]

4.图像技术之文字识别 [209.79M]

2_3_1_功能介绍_创建应用.mp4 [21.58M]

2_3_10_分类器代码.mp4 [21.26M]

2_3_2_通用文字识别_代码.mp4 [33.92M]

2_3_3_通用文字识别_其他版本函数.mp4 [7.12M]

2_3_4_车牌识别.mp4 [15.53M]

2_3_5_通用票据识别.mp4 [33.21M]

2_3_6_自定义模板_步骤.mp4 [24.83M]

2_3_7_自定义模板_实际创建.mp4 [18.28M]

2_3_8_自定义模板_api和代码.mp4 [17.41M]

2_3_9_创建分类器.mp4 [16.65M]

5.语音技术 [61.10M]

5.语音技术 [61.10M]

3_1_1_语音识别_介绍和api.mp4 [18.14M]

3_1_2_语音识别案例_代码浏览.mp4 [11.54M]

3_1_3_语音识别案例_案例.mp4 [16.96M]

3_2_1语音合成.mp4 [14.47M]

6.自然语言处理 [27.28M]

6.自然语言处理 [27.28M]

4_1_1_自然语言处理基础技术.mp4 [27.28M]

7.人脸识别打卡案例 [835.00M]

7.人脸识别打卡案例 [835.00M]

5_1_0_人脸打卡案例_介绍.mp4 [5.39M]

5_1_1_案例_前端部分介绍.mp4 [15.24M]

5_1_2_案例_人脸搜索代码浏览.mp4 [151.71M]

5_1_3_案例_获取token.mp4 [26.90M]

5_1_4_案例_添加用户_人脸搜索.mp4 [267.83M]

5_1_5_案例_主程序1.mp4 [126.35M]

5_1_6_案例_主程序2.mp4 [241.58M]

1-7 自然语言处理 [2.98G]

1.自然语言处理基础概念 [389.71M]

1.自然语言处理基础概念 [389.71M]

0.nlp介紹.mp4 [108.34M]

1.nlp的种类.mp4 [37.83M]

2.端对端深度学习模型.mp4 [83.99M]

3.词袋.mp4 [38.11M]

4.seq2seq.mp4 [40.56M]

5.beamserchdecoding.mp4 [46.38M]

6.attention.mp4 [34.49M]

2.自然语言处理基础实作-机器学习篇 [252.23M]

2.自然语言处理基础实作-机器学习篇 [252.23M]

1.机器学习-nltk_数据读取.mp4 [30.59M]

2.机器学习-nltk_清理数据.mp4 [7.61M]

3.机器学习-nltk_大小写转换.mp4 [7.56M]

4.机器学习-nltk_去除虚词.mp4 [12.99M]

5.机器学习-nltk_词根化.mp4 [33.74M]

6.机器学习-nltk_还原字符串.mp4 [55.39M]

7.机器学习-nltk_稀疏矩阵.mp4 [15.54M]

8.机器学习-nltk_最大过滤.mp4 [10.89M]

9.机器学习-nltk_建立词袋模型.mp4 [77.93M]

3.自然语言处理基础实作-深度学习篇 [262.77M]

3.自然语言处理基础实作-深度学习篇 [262.77M]

10.深度学习-deeplearninginnlp.mp4 [153.94M]

11.深度学习-deeplearninginnlp_模型优化.mp4 [43.53M]

12.深度学习-deeplearninginnlp_模型加速.mp4 [65.31M]

4.自然语言处理核心部分 [912.01M]

4.自然语言处理核心部分 [912.01M]

1.cnnreivew.mp4 [46.74M]

10.文本分类cnn模型使用.mp4 [130.22M]

11.文本分类rnn搭建.mp4 [123.57M]

2.cnncode.mp4 [140.61M]

3.rnnreview.mp4 [38.34M]

4.rnncode.mp4 [143.15M]

5.lstm.mp4 [53.24M]

6.lstm_code.mp4 [77.68M]

7.文本分类.mp4 [61.65M]

8.文本分类的方式.mp4 [31.01M]

9.文本分类cnn&rnn.mp4 [65.79M]

5.实战项目-从无到有打造聊天机器人 [1.20G]

5.实战项目-从无到有打造聊天机器人 [1.20G]

0.chatbot.mp4 [17.61M]

01.chatbot搭建计画.mp4 [42.01M]

02.chatbot环境搭建下载数据集.mp4 [34.12M]

03.chatbot下载数据集.mp4 [74.85M]

04.chatbot导入依赖包.mp4 [12.90M]

05.chatbot读取数据.mp4 [26.63M]

06.chatbot创建对話字典.mp4 [29.30M]

07.chatbot建立对话列表.mp4 [23.57M]

08.chatbot问答集.mp4 [30.59M]

09.chatbot数据初步清洗.mp4 [23.72M]

10.chatbot清理问题集&回答集.mp4 [21.30M]

11.chatbot统计字频.mp4 [11.24M]

12.chatbot标记化&去除少数字.mp4 [19.04M]

13.chatbot最终标记.mp4 [6.59M]

14.chatbot逆向字典.mp4 [20.98M]

15.chatbot添加eos标签.mp4 [22.63M]

16.chatbot问答数列化.mp4 [41.11M]

17.chatbot长短句.mp4 [35.39M]

18.chatbotinput&output.mp4 [30.14M]

19.chatbot处理输出.mp4 [41.00M]

20.chatbot建立rnn模型.mp4 [24.71M]

21.chatbot解码器训练.mp4 [56.31M]

22.chatbot解码器测试.mp4 [43.22M]

23.chatbot创建解码rnn.mp4 [48.81M]

24.chatbotseq2seq模型.mp4 [62.53M]

25.chatbot設置超参数.mp4 [31.09M]

26.chatbot启动运算.mp4 [20.99M]

27.chatbot模型input.mp4 [30.54M]

28.chatbot模型輸入序列長度.mp4 [36.33M]

29.chatbot設置輸入的数据形状.mp4 [28.25M]

30.chatbot训练&测试結果.mp4 [30.64M]

31.chatbot损失,优化,梯度消減.mp4 [25.10M]

32.chatbot问答等长处理.mp4 [29.74M]

33.chatbot问答数据批量.mp4 [22.72M]

34.chatbot数据分割.mp4 [15.21M]

35.chatbot训练.mp4 [52.04M]

36.chatbot训练2.mp4 [42.53M]

37.chatbot测试.mp4 [13.12M]

38.chatbot输入修飾.mp4 [7.66M]

39.chatbot开始聊天.mp4 [43.74M]

1-8 图片商品物体检测项目第一阶段-检测算法原理 [501.91M]

1.目标检测概述 [86.61M]

1.目标检测概述 [86.61M]

01_课程要求以及目标.mp4 [3.15M]

02_项目演示结果.mp4 [7.09M]

03_项目结构以及课程安排.mp4 [6.70M]

04_图像识别背景.mp4 [9.43M]

05_目标检测的定义和技术历史.mp4 [13.30M]

06_目标检测应用场景.mp4 [13.62M]

07_目标检测算法原理铺垫.mp4 [3.88M]

08_目标检测任务描述.mp4 [29.45M]

2.rcnn原理 [121.77M]

2.rcnn原理 [121.77M]

01_overfeat模型.mp4 [21.27M]

02_rcnn:步骤流程介绍.mp4 [9.03M]

03_rcnn:候选区域以及特征提取.mp4 [14.32M]

04_rcnn:svm分类器.mp4 [13.89M]

05_rcnn:非极大抑制(nms).mp4 [14.17M]

06_rcnn:候选区域修正.mp4 [8.36M]

07_rcnn:训练过程与测试过程介绍.mp4 [24.85M]

08_rcnn:总结、优缺点与问题自测.mp4 [15.88M]

3.sppnet原理 [44.47M]

3.sppnet原理 [44.47M]

01_sppnet:与rcnn的区别、网络流程.mp4 [10.38M]

02_sppnet:映射.mp4 [9.35M]

03_sppnet:spp层的作用.mp4 [17.34M]

04_sppnet:总结、优缺点与问题自测.mp4 [7.39M]

4.fastrcnn原理 [41.64M]

4.fastrcnn原理 [41.64M]

01_fastrcnn:改进之处以及网络流程.mp4 [7.08M]

02_fastrcnn:roipooling结构以及spp对比.mp4 [15.22M]

03_fastrcnn:多任务损失.mp4 [15.79M]

04_fastrcnn:总结与问题自测.mp4 [3.56M]

5.fasterrcnn原理 [44.24M]

5.fasterrcnn原理 [44.24M]

01_fasterrcnn:网络结构与步骤.mp4 [15.46M]

02_fasterrcnn:rpn网络的原理.mp4 [23.54M]

03_fasterrcnn:总结与问题自测.mp4 [5.25M]

6.yolo原理 [45.04M]

6.yolo原理 [45.04M]

01_yolo:算法特点与流程介绍.mp4 [5.83M]

02_yolo:单元格原理过程.mp4 [31.24M]

03_yolo:训练过程样本标记.mp4 [4.63M]

04_yolo:总结.mp4 [3.34M]

7.ssd原理 [118.14M]

7.ssd原理 [118.14M]

01_ssd:网络结构与detected结构.mp4 [25.31M]

02_ssd:localization与confidence.mp4 [17.64M]

03_ssd:训练与测试流程总结.mp4 [9.11M]

04_tensorflowssd接口介绍.mp4 [23.88M]

05_第一阶段算法总结.mp4 [42.21M]

1-9 图片商品物体检测项目第二阶段-数据集制作与处理 [352.46M]

1.数据集标记 [44.85M]

1.数据集标记 [44.85M]

01_目标检测数据集介绍.mp4 [18.18M]

02_商品数据集标记.mp4 [26.67M]

2.数据集格式转换 [224.65M]

2.数据集格式转换 [224.65M]

01_数据集格式转换介绍.mp4 [10.22M]

02_格式转换:代码介绍.mp4 [27.95M]

03_格式转换:文件读取以及存储逻辑.mp4 [35.58M]

04_格式转换:图片数据以及xml读取.mp4 [79.14M]

05_格式转换:example封装、总结.mp4 [71.76M]

3.tfrecords读取 [82.96M]

3.tfrecords读取 [82.96M]

01_slim库介绍.mp4 [26.56M]

02_tfrecord读取:dataset准备.mp4 [30.63M]

03_tfrecord读取:provider读取.mp4 [15.37M]

04_第二阶段总结.mp4 [10.40M]

课程下载地址:

精品课程,SVIP下载,下载前请阅读上方文件目录,链接下载为百度云网盘,如连接失效,可评论告知。

下载价格:16.0微币
  • 普通用户下载价格 : 16.0微币
  • VIP会员下载价格 : 0微币
  • 最近更新2023年12月28日
Veke微课网所有资源均来自网络,由用户自行发布,如有侵权,请邮箱联系, 我们将在24小时内处理,联系邮箱:[email protected]
Veke微课网 » Python+AI -黑马- 人脸识别Python人工智能【完结】

发表评论

Veke微课网 互联网精品网课搜集者

立即查看 了解详情