HM-Python+AI 人脸识别Python人工智能【完结】

【资源目录】：

├──1-1 深度学习基础

| ├──1.深度学习介绍

| | └──1.深度学习介绍

| ├──2.神经网络基础

| | └──2.神经网络基础

| ├──3.浅层神经网络

| | └──3.浅层神经网络

| └──4.深层神经网络

| | └──4.深层神经网络

├──1-10 图片商品物体检测项目第三阶段-项目实现与部署

| ├──1.项目架构

| | └──1.项目架构

| ├──10.TFServing客户端

| | └──10.TFServing客户端

| ├──11.服务器部署

| | └──11.服务器部署

| ├──2.数据接口实现

| | └──2.数据接口实现

| ├──3.模型接口实现

| | └──3.模型接口实现

| ├──4.预处理接口实现

| | └──4.预处理接口实现

| ├──5.训练过程实现

| | └──5.训练过程实现

| ├──6.测试过程实现

| | └──6.测试过程实现

| ├──7.模型部署介绍

| | └──7.模型部署介绍

| ├──8.导出模型

| | └──8.导出模型

| └──9.打开模型服务

| | └──9.打开模型服务

├──1-2 深度学习优化进阶

| ├──1.多分类

| | └──1.多分类

| ├──2.梯度下降算法优化

| | └──2.梯度下降算法优化

| ├──3.深度学习正则化

| | └──3.深度学习正则化

| └──4.神经网络调参与BN

| | └──4.神经网络调参与BN

├──1-3 卷积神经网络

| ├──1.卷积网络原理

| | └──1.卷积网络原理

| ├──2.经典分类结构

| | └──2.经典分类结构

| └──3.CNN实战

├──1-4 循环神经网络

| ├──1.循环神经网络

| | └──1.循环神经网络

| ├──2.词嵌入

| | └──2.词嵌入

| └──3.seq2seq与Attention机制

| | └──3.seq2seq与Attention机制

├──1-5 高级主题

| ├──1.生产对抗网络

| | └──1.生产对抗网络

| ├──2.自动编码器

| | └──2.自动编码器

| └──3.CapsuleNet

| | └──3.CapsuleNet

├──1-6 百度人脸识别

| ├──1.平台介绍

| | └──1.平台介绍

| ├──2.图像技术之人脸识别

| | └──2.图像技术之人脸识别

| ├──3.图像技术之图像识别

| | └──3.图像技术之图像识别

| ├──4.图像技术之文字识别

| | └──4.图像技术之文字识别

| ├──5.语音技术

| | └──5.语音技术

| ├──6.自然语言处理

| | └──6.自然语言处理

| └──7.人脸识别打卡案例

| | └──7.人脸识别打卡案例

├──1-7 自然语言处理

| ├──1.自然语言处理基础概念

| | └──1.自然语言处理基础概念

| ├──2.自然语言处理基础实作-机器学习篇

| | └──2.自然语言处理基础实作-机器学习篇

| ├──3.自然语言处理基础实作-深度学习篇

| | └──3.自然语言处理基础实作-深度学习篇

| ├──4.自然语言处理核心部分

| | └──4.自然语言处理核心部分

| └──5.实战项目-从无到有打造聊天机器人

| | └──5.实战项目-从无到有打造聊天机器人

├──1-8 图片商品物体检测项目第一阶段-检测算法原理

| ├──1.目标检测概述

| | └──1.目标检测概述

| ├──2.RCNN原理

| | └──2.RCNN原理

| ├──3.SPPNet原理

| | └──3.SPPNet原理

| ├──4.FastRCNN原理

| | └──4.FastRCNN原理

| ├──5.FasterRCNN原理

| | └──5.FasterRCNN原理

| ├──6.YOLO原理

| | └──6.YOLO原理

| └──7.SSD原理

| | └──7.SSD原理

└──1-9 图片商品物体检测项目第二阶段-数据集制作与处理

| ├──1.数据集标记

| | └──1.数据集标记

| ├──2.数据集格式转换

| | └──2.数据集格式转换

| └──3.TFRecords读取

| | └──3.TFRecords读取