#9527

【深度之眼】深度学习GAN生成对抗网络迁移学习增强学习实战视频教程

课程介绍

课程来自于 【深度之眼】深度学习GAN生成对抗网络迁移学习增强学习实战2018视频教程

近年来，基于数据而习得“特征”的深度学习技术受到狂热追捧，而其中GAN模型训练方法更加具有激进意味：它生成数据本身。
GAN是“生成对抗网络”（Generative Adversarial Networks）的简称，由2014年还在蒙特利尔读博士的Ian Goodfellow引入深度学习领域。2016年，GAN热潮席卷AI领域顶级会议，从ICLR到NIPS，大量高质量论文被发表和探讨。Yann LeCun曾评价GAN是“20年来机器学习领域最酷的想法”。
在GAN这片新兴沃土，除了Ian Goodfellow所在的OpenAI在火力全开，Facebook的人工智能实验室也在这一领域马不停蹄深耕，而苹果近日曝出的首篇AI论文，就是基于GANs的变种“SimGAN”。从学术界到工业界，GANs席卷而来。
GANs是深度学习领域比较重要的一个模型，也是人工智能研究的一个重要工具。我们现在所追求的人工智能，一个很重要的特性就是能够像我们人类一样，理解周围复杂的世界。包括识别和理解现实中的三维世界，人类、动物和各种工具。这样才能在对现实世界理解的基础上，进行推理和创造。而正像著名物理学家，理查德•费曼说的一样，如果要真正理解一个东西，我们必须要能够把它创造出来。

课程大纲

资料汇总

第9课资料

第9课：强化学习与Deep Q-Network.pdf

第8课资料

第8课：循环神经网络相关应用.pdf

Show, Attend and Tell- Neural Image Caption Generation with Visual Attention.pdf

第7课资料

第7课：循环神经网络与自然语言处理.pdf

poem_generator.zip

第6课资料

第6课资料.zip

第5课资料

第5课：生成对抗网络介绍.pdf

dcgan.py

第4课资料

第4课：深度学习框架与应用案例.pdf

第3课资料

第3课：卷积神经网络与典型结构细讲.pdf

mnist_cnn.py

第2课资料

lesson2_slides_codes_new.zip

lesson2_slides_codes.zip

第1课资料

深度学习第三期第1课 代码范例_凸优化EM算法_混合高斯模型.ipynb

深度学习第三期第1课 代码范例_PCA 酒店分类.ipynb

深度学习班第三期第1课.pdf

第10课资料

第10课：深度学习与迁移学习.pdf

第9课 增强学习与Deep Q Network.TS

第8课 RNN条件生成与attention.TS

第7课 RNN_LSTM_Grid LSTM.TS

第6课 图像风格转化.TS

第5课 生成对抗网络GAN.TS

第4课 NN框架：caffe, tensorflow与pytorch.TS

第3课 CNN-从AlexNet到ResNet.TS

第2课 DNN与混合网络：google Wide&Deep.TS

第1课 夯实深度学习数据基础.TS

第10课 物体检测与迁移学习.TS

jamison普通

收藏 海报 链接