- 章节1： 深度学习必备基础知识点
- 课时1：神经网络-1-深度学习概述 免费 11:27
- 课时2：神经网络-2-挑战与常规套路 免费 09:40
- 课时3：神经网络-3-用K近邻来进行分类 免费 10:01
- 课时4：神经网络-4-超参数与交叉验证 免费 10:30
- 课时5：神经网络-5-线性分类 免费 09:34
- 课时6：神经网络-6-损失函数 免费 09:17
- 课时7：神经网络-7-正则化惩罚项 免费 07:19
- 课时8：神经网络-8-softmax分类器 免费 13:38
- 课时9：神经网络-9-最优化形象解读 免费 06:46
- 课时10：神经网络-10-最优化问题细节 免费 11:48
- 课时11：神经网络-11-反向传播 免费 15:16
- 章节2： 神经网络模型
- 课时12：神经网络架构-1-整体架构 10:11
- 课时13：神经网络架构-2-实例演示 10:38
- 课时14：神经网络架构-3-过拟合解决方案 15:53
- 章节3： 神经网络案例实战
- 课时15：章节3： 神经网络案例实战 16:01
- 课时16：神经网络案例-分模块构造神经网络 13:33
- 课时17：神经网络案例-训练神经网络完成分类任务 13:26
- 课时18：神经网络架构-4-感受神经网络的强大 11:30
- 章节4： 卷积神经网络
- 课时19：1-卷积神经网络的应用 14:55
- 课时20：2-卷积层解释 12:53
- 课时21：3-卷积计算过程 12:30
- 课时22：4-pading与stride 13:13
- 课时23：5-卷积参数共享 08:09
- 课时24：6-池化层原理 08:24
- 章节5： 卷积神经网络案例实战
- 课时25：卷积池化反向传播 14:43
- 课时26：卷积网络代码1 10:19
- 课时27：卷积网络代码2 12:00
- 章节6： 经典网络架构与技巧
- 课时28：经典网络架构 10:29
- 课时29：分类与回归任务 18:00
- 课时30：三代物体检测 20:38
- 课时31：数据增强策略 10:43
- 课时32：TransferLearning 08:09
- 课时33：巧妙设计神经网络 21:51
- 章节7： 深度学习框架-Caffe
- 课时34：CAFFE简介 11:14
- 课时35：网络配置文件-数据层 18:14
- 课时36：网络配置文件-计算层 25:35
- 课时37：4-超参数solver文件 19:54
- 章节8： Caffe框架使用案例
- 课时38：制作LMDB数据源 31:59
- 课时39：多label问题之HDF5数据源 21:32
- 课时40：使用命令行训练网络 12:57
- 课时41：使用python定义自己的层 19:55
- 课时42：绘制网络结构图 12:42
- 课时43：生成网络配置文件 10:20
- 课时44：对训练的网络模型绘制LOSS曲线 11:58
- 课时45：对训练结果进行分类任务 19:33
- 章节9： 深度学习项目实战-人脸检测
- 课时46：人脸检测项目概述 01:55
- 课时47：数据获取 11:20
- 课时48：正负样本数据裁剪 13:39
- 课时49：TXT数据制作 13:42
- 课时50：LMDB脚本文件 07:44
- 课时51：制作LMDB数据源 09:24
- 课时52：网络配置文件 11:49
- 课时53：超参数和训练网络 15:39
- 课时54：检测框架 13:18
- 课时55：scale变换和预处理 16:35
- 课时56：坐标变换 14:08
- 课时57：NMS完成代码 07:36
- 课时58：测试效果及改进 10:41
- 课时59：矫正过程 05:18
- 课时60：如何提高精度 08:08
- 课时61：项目总结 09:05
- 章节10： 深度学习项目实战-人脸关键点定位
- 课时62：脸关键点检测算法框架 10:47
- 课时63：多标签数据源制作以及标签坐标转换 22:14
- 课时64：对原始数据进行数据增强 10:03
- 课时65：完成第一阶段HDF5数据源制作 10:04
- 课时66：第一阶段网络训练 09:14
- 课时67：第二三阶段网络数据源制作 23:40
- 课时68：第二三阶段网络模型训练 10:52
- 课时69：网络模型参数初始化 11:47
- 课时70：完成全部测试结果 16:22
- 课时71：人脸关键点检测效果 08:04
- 课时72：项目总结分析 16:59
- 课时73：算法框架分析 19:11
- 章节11： Tensorflow框架基本使用方法
- 课时74：Tensorflow简介 00:38
- 课时75：Tensorflow安装 07:09
- 课时76：基本计算单元-变量 08:32
- 课时77：常用基本操作 14:40
- 课时78：构造线性回归模型 13:32
- 课时79：Mnist数据集简介 06:29
- 课时80：逻辑回归框架 12:23
- 课时81：迭代完成逻辑回归模型 13:47
- 课时82：神经网络模型架构 07:48
- 课时83：训练神经网络 11:23
- 章节12： Tensorflow深度学习模型
- 课时84：卷积神经网络模型架构 10:56
- 课时85：卷积神经网络模型参数 17:14
- 课时86：模型的保存和读取 15:30
- 课时87：加载训练好的VGG网络模型 10:56
- 课时88：使用VGG模型进行测试 10:47
- 课时89：使用RNN处理Mnist数据集 11:50
- 课时90：RNN网络模型 10:42
- 课时91：训练RNN网络 10:04
- 章节13： 深度学习项目实战-验证码识别
- 课时92：验证码数据生成 10:43
- 课时93：构造网络的输入数据和标签 11:57
- 课时94：卷积网络模型定义 13:24
- 课时95：迭代及测试网络效果 10:56
- 章节14： 对抗生成网络原理
- 课时96：对抗生成网络简介 05:21
- 课时97：对抗生成网络形象解释 07:17
- 课时98：对抗生成网络工作原理 09:49
- 课时99：案例实战对抗生成网络：环境配置 08:38
- 课时100：案例实战对抗生成网络：构造判别网络模型 11:36
- 课时101：案例实战对抗生成网络：构造生成网络模型 08:08
- 课时102：案例实战对抗生成网络：构造损失函数 06:34
- 课时103：案例实战对抗生成网络：训练对抗生成网络 10:02
- 章节15： 深度学习项目实战-DIY你的数据
- 课时104：DCGAN基本原理 10:11
- 课时105：DCGAN的网络模型架构 06:10
- 课时106：DCGAN项目实战：DIY你要生成的数据 06:01
- 课时107：DCGAN项目实战：配置参数 12:53
- 课时108：DCGAN项目实战：基于卷积的生成网络架构 11:51
- 课时109：DCGAN项目实战：基于卷积的判别网络 10:00
- 课时110：DCGAN项目实战：训练DCGAN网络 08:42
