Table of Contents generated with DocToc
- 激荡63年:人工智能简史
- 脱颖而出的深度学习
- 神经网络是“照猫画虎”
- 神经网络的血液:张量
- 神经网络的齿轮:张量运算
- 神经网络的引擎:梯度优化
- 深度学习框架 Keras 简介
- 搭建深度学习开发环境
- 深度学习四件套:数据、模型、损失函数与优化
- 深度学习:”Hello MNIST”
- 深度学习实战:IMDb 数据集介绍
- 深度学习实战:电影评论分类模型
- 机器学习的三大分支
- 模型训练:如何评估一个模型的好与坏
- 模型训练:常用数据预处理方法
- 模型训练:如何解决过拟合问题
- 猫狗分类理论:CNN理论基础与实现
- 猫狗分类基础:训练一个最简单的分类模型
- 猫狗分类进阶:数据增强(举一反三造数据)
- 猫狗分类进阶:特征提取(站在巨人肩膀上)
- 猫狗分类进阶:模型微调(青出于蓝胜于蓝)
- 深度学习可视化:神经网络模型结构
- 深度学习可视化:神经网络中间激活
- 深度学习可视化:卷积层过滤器
- 深度学习可视化:类激活热力图
- 深度学习实战:目标检测问题定义与说明
- 深度学习实战:目标检测模型的应用场景
- 深度学习实战:目标检测常用数据集介绍
- 深度学习实战:深度目标检测模型发展概述
- 深度学习实战:二阶段(two-stage)目标检测模型概述
- 深度学习实战:目标检测 YOLO 系列模型发展
- 深度学习实战:实战 Darknet YOLOv3 目标检测
- 深度学习实战:实战 Keras YOLOv3 目标检测
- 深度学习实战:实战 YOLOv3 迁移学习模型训练
- 深度学习实战:实战短小精干的 Tiny-YOLOv3 目标检测
- 深度学习实战:实战 Tiny-YOLOv3 迁移学习模型训练
- 深度学习实战:图像分类问题定义与说明
- 深度学习实战:图像分类模型的应用场景
- 深度学习实战:图像分类常用数据集介绍
- 深度学习实战:“重量级”图像分类模型概述
- 深度学习实战:“轻量级”图像分类模型概述
- 深度学习实战:图像分类 MobileNets 系列模型发展
- 深度学习实战:实战 Keras MobileNet 图像分类
- 深度学习实战:实战 Keras 和 TensorFlow 模型格式转换
- 深度学习实战:实战 TensorFlow Lite 模型格式转换
- 深度学习实战:搭建 TensorFlow Lite 模型运行环境
- 深度学习实战:实现手机上的实时物品分类应用