Python人工智能零基础入门到人脸识别目标检测实战课程视频教程下载。本课程实现了一个完整的人脸识别实战项目，课程涵盖：人脸检测、特征点标定、人脸对齐、人脸比图、数据标注和模型训练等，内容由浅入深，语言简洁易懂，零基础、手把手式的教学。

课程大纲
├─1-1 深度学习基础
│  ├─1.深度学习介绍
│  │      01_深度学习课程介绍.mp4
│  │      02_深度学习介绍.mp4
│  │      03_深度学习介绍2.mp4
│  │      
│  ├─2.神经网络基础
│  │      01_逻辑回归介绍.mp4
│  │      02_逻辑回归损失函数.mp4
│  │      03_梯度下降算法过程以及公式.mp4
│  │      04_导数意义介绍.mp4
│  │      05_a^2函数的导数介绍.mp4
│  │      06_导数计算图与链式法则.mp4
│  │      07_逻辑回归的导数计算图分析以及参数导数.mp4
│  │      08_向量化编程介绍引入.mp4
│  │      09_向量化编程的优势.mp4
│  │      10_向量化实现逻辑回归的梯度计算更新.mp4
│  │      11_正向传播与反向传播、作业介绍.mp4
│  │      12_作业讲解题1：实现sigmoid函数与梯度实.mp4
│  │      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
│  │      14_作业讲解题2：参数初始化与前向传播、反向传播.mp4
│  │      15_作业讲解题2：优化迭代实现、model逻辑实现.mp4
│  │      16_总结.mp4
│  │      
│  ├─3.浅层神经网络
│  │      01_浅层神经网络表示.mp4
│  │      02_浅层神经网络的前向传播.mp4
│  │      03_激活函数的选择.mp4
│  │      04_浅层神经网络的反向传播.mp4
│  │      05_作业介绍.mp4
│  │      06_作业实现：初始化模型与前向传播.mp4
│  │      07_作业实现：反向传播与更新梯度.mp4
│  │      08_作业实现：网络模型逻辑实现.mp4
│  │      09_总结.mp4
│  │      
│  └─4.深层神经网络
│          01_深层神经网络表示.mp4
│          02_深层神经网络的反向传播过程.mp4
│          03_参数初始化与超参数介绍.mp4
│          

│          
├─1-2 深度学习优化进阶
│  ├─1.多分类
│  │      01_深度学习紧接、多分类介绍.mp4
│  │      02_交叉熵损失原理.mp4
│  │      03_案例：Mnist手写数字数据介绍.mp4
│  │      04_案例：网络结构、流程、代码介绍.mp4
│  │      05_案例：主网络结构搭建实现.mp4
│  │      06_案例：添加准确率.mp4
│  │      07_案例：Tensorboard观察显示.mp4
│  │      08_案例：添加模型保存、预测.mp4
│  │      09_调整学习率带来的问题.mp4
│  │      
│  ├─2.梯度下降算法优化
│  │      01_深度学习遇到问题、为什么需要优化算法.mp4
│  │      02_Mini梯度下降与Batch梯度下降.mp4
│  │      03_指数加权平均.mp4
│  │      04_动量梯度下降原理公式理解.mp4
│  │      05_RMSProp与Adam原理与学习率递减.mp4
│  │      06_标准化输入带来的优化.mp4
│  │      07_作业介绍.mp4
│  │      08_作业讲解1.mp4
│  │      09_作业讲解2.mp4
│  │      
│  ├─3.深度学习正则化
│  │      01_深度学习偏差与方差介绍为、什么需要正则化.mp4
│  │      02_正则化概念、L2正则化与L1正则化.mp4
│  │      03_Droupout过程与原理理解.mp4
│  │      04_其它正则化方法-早停止法与数据增强.mp4
│  │      05_正则化作业介绍.mp4
│  │      06_作业讲解1.mp4
│  │      07_作业讲解2.mp4
│  │      
│  └─4.神经网络调参与BN
│          01_神经网络调参数技巧与如何设置参数、如何运行.mp4
│          02_批标准化定义、公式、为什么有效.mp4
│          
├─1-3 卷积神经网络
│  ├─1.卷积网络原理
│  │      01_卷积来源、数据量与感受野的边缘检测.mp4
│  │      02_卷积网络结构介绍.mp4
│  │      03_默认卷积的运算过程.mp4
│  │      04_零填充.mp4
│  │      05_过滤器大小与步长.mp4
│  │      06_多通道的卷积与多卷积核.mp4
│  │      07_卷积总结.mp4
│  │      08_池化层.mp4
│  │      09_全连接层.mp4
│  │      
│  ├─2.经典分类结构
│  │      01_LeNet5的计算过程详解.mp4
│  │      02_常见网络结构介绍.mp4
│  │      03_Inception(1x1卷积介绍）.mp4
│  │      04_Inception结构以及改进.mp4
│  │      05_GoogleNet了解与卷积网络学习内容.mp4
│  │      
│  └─3.CNN实战
│          01_作业介绍.mp4
│          02_作业讲解.mp4
│          03_迁移学习.mp4
│          
├─1-4 循环神经网络
│  ├─1.循环神经网络
│  │      01_循环神经网络背景介绍.mp4
│  │      02_循环神经网络结构原理.mp4
│  │      03_词的表示与矩阵形状运算.mp4
│  │      04_交叉熵损失计算.mp4
│  │      05_时间反向传播算法.mp4
│  │      06_梯度消失、案例介绍.mp4
│  │      07_手写RNN案例：单个cell前向传播.mp4
│  │      08_手写RNN案例：所有cell的前向传播.mp4
│  │      09_手写RNN案例：单个cell的反向传播.mp4
│  │      10_手写RNN案例：所有cell的反向传播.mp4
│  │      11_案例总结.mp4
│  │      12_GRU与LSTM介绍.mp4
│  │      
│  ├─2.词嵌入
│  │      01_词嵌入介绍.mp4
│  │      02_词嵌入案例.mp4
│  │      
│  └─3.seq2seq与Attention机制
│          01_seq2seq介绍与理解.mp4
│          02_seq2seq机器翻译等场景介绍分析.mp4
│          03_Attention原理分析.mp4
│          04_机器翻译案例：日期格式翻译转换、代码结构介绍.mp4
│          05_机器翻译案例：模型参数定义.mp4
│          06_机器翻译案例：数据获取以及数据格式转换介绍.mp4
│          07_机器翻译案例：训练逻辑与网络结构介绍.mp4
│          08_机器翻译案例：网络输入输出逻辑介绍.mp4
│          09_机器翻译案例：网络输入输出逻辑编写.mp4
│          10_机器翻译案例：自定义网络seq2seq的编解码器定义.mp4
│          11_机器翻译案例：seq2seq的输出层定义.mp4
│          12_机器翻译案例：attention结构定义.mp4
│          13_机器翻译案例：model中计算attention输出c逻辑函数实现.mp4
│          14_机器翻译案例：训练逻辑编写.mp4
│          15_机器翻译案例：训练结果与问题解决.mp4
│          16_机器翻译案例：测试逻辑结果演示.mp4
│          17_集束搜索介绍.mp4
│          
├─1-5 高级主题
│  ├─1.生产对抗网络
│  │      01_高级主题介绍、GAN介绍.mp4
│  │      02_GAN原理、损失和DCGAN结构.mp4
│  │      03_生成数字图片案例：结果演示流程介绍.mp4
│  │      04_生成数字图片案例：模型初始化代码编写.mp4
│  │      05_生成数字图片案例：训练流程.mp4
│  │      06_生成数字图片案例：运行保存图片并对比.mp4
│  │      
│  ├─2.自动编码器
│  │      01_自动编码器介绍.mp4
│  │      02_案例：编码器类别、普通自编码器流程、模型初始化逻辑.mp4
│  │      03_案例：训练普通自编码器.mp4
│  │      04_案例：深度自编码器编写演示.mp4
│  │      05_案例：卷积自编码器编写演示.mp4
│  │      06_案例：降噪编码器介绍.mp4
│  │      07_案例：降噪编码器案例.mp4
│  │      
│  └─3.CapsuleNet
│          01_CapsuleNet了解.mp4
│          02_深度学习课程总结.mp4
│          
├─1-6 百度人脸识别
│  ├─1.平台介绍
│  │      0_课程组成和目标.mp4
│  │      1_1_访问入口.mp4
│  │      1_2_机器学习平台_介绍.mp4
│  │      1_3_百度深度学习平台_介绍.mp4
│  │      1_4_百度深度学习平台_创建集群.mp4
│  │      1_5_百度人工智能平台_功能介绍.mp4
│  │      1_6_人工智能平台_服务开通.mp4
│  │      1_7_人工智能平台_访问方式和SDK安装.mp4
│  │      
│  ├─2.图像技术之人脸识别
│  │      2_1_1_人脸识别功能介绍_开通应用.mp4
│  │      2_1_2人脸识别_API.mp4
│  │      2_1_3_人脸检测_步骤和代码浏览.mp4
│  │      2_1_4_人脸检测_获取access_token.mp4
│  │      2_1_5_人脸检测_调用API.mp4
│  │      2_1_6_人脸检测_图像坐标.mp4
│  │      2_1_7_人脸检测_边框.mp4
│  │      2_1_8_人脸检测_性别年龄总结.mp4
│  │      2_1_9_人脸检测_SDK方式.mp4
│  │      
│  ├─3.图像技术之图像识别
│  │      2_2_1_图像识别功能_应用创建.mp4
│  │      2_2_2_图像识别_物体检测API_实例.mp4
│  │      2_2_3_图像检测识别_菜品识别.mp4
│  │      2_2_4_图像检测_车辆检测.mp4
│  │      2_2_5_定制化图像识别_图像分类_步骤.mp4
│  │      2_2_5_定制化图像识别_特点和功能.mp4
│  │      2_2_6_定制化图像识别_图像分类_操作.mp4
│  │      2_2_7_定制化图像识别_图像分类_关联和调用流程.mp4
│  │      2_2_8_定制化图像识别_图像分类_代码实现.mp4
│  │      2_2_9_定制化图像识别_图像分类_迭代和常见问题.mp4
│  │      2_2_10_定制化图像识别_物体检测_流程.mp4
│  │      2_2_11_定制化图像识别_物体检测API_错误码.mp4
│  │      
│  ├─4.图像技术之文字识别
│  │      2_3_1_功能介绍_创建应用.mp4
│  │      2_3_2_通用文字识别_代码.mp4
│  │      2_3_3_通用文字识别_其他版本函数.mp4
│  │      2_3_4_车牌识别.mp4
│  │      2_3_5_通用票据识别.mp4
│  │      2_3_6_自定义模板_步骤.mp4
│  │      2_3_7_自定义模板_实际创建.mp4
│  │      2_3_8_自定义模板_API和代码.mp4
│  │      2_3_9_创建分类器.mp4
│  │      2_3_10_分类器代码.mp4
│  │      
│  ├─5.语音技术
│  │      3_1_1_语音识别_介绍和API.mp4
│  │      3_1_2_语音识别案例_代码浏览.mp4
│  │      3_1_3_语音识别案例_案例.mp4
│  │      3_2_1语音合成.mp4
│  │      
│  ├─6.自然语言处理
│  │      4_1_1_自然语言处理基础技术.mp4
│  │      
│  └─7.人脸识别打卡案例
│          5_1_0_人脸打卡案例_介绍.mp4
│          5_1_1_案例_前端部分介绍.mp4
│          5_1_2_案例_人脸搜索代码浏览.mp4
│          5_1_3_案例_获取token.mp4
│          5_1_4_案例_添加用户_人脸搜索.mp4
│          5_1_5_案例_主程序1.mp4
│          5_1_6_案例_主程序2.mp4
│          
├─1-7 自然语言处理
│  ├─1.自然语言处理基础概念
│  │      0.NLP介紹.mp4
│  │      1.NLP的种类.mp4
│  │      2.端对端深度学习模型.mp4
│  │      3.词袋.mp4
│  │      4.Seq2Seq.mp4
│  │      5.Beam Serch Decoding.mp4
│  │      6.Attention.mp4
│  │      
│  ├─2.自然语言处理基础实作-机器学习篇
│  │      1.机器学习-NLTK_数据读取.mp4
│  │      2.机器学习-NLTK_清理数据.mp4
│  │      3.机器学习-NLTK_大小写转换.mp4
│  │      4.机器学习-NLTK_去除虚词.mp4
│  │      5.机器学习-NLTK_词根化.mp4
│  │      6.机器学习-NLTK_还原字符串.mp4
│  │      7.机器学习-NLTK_稀疏矩阵.mp4
│  │      8.机器学习-NLTK_最大过滤.mp4
│  │      9.机器学习-NLTK_建立词袋模型.mp4
│  │      
│  ├─3.自然语言处理基础实作-深度学习篇
│  │      10.深度学习-Deep Learning in NLP.mp4
│  │      11.深度学习-Deep Learning in NLP_模型优化.mp4
│  │      12.深度学习-Deep Learning in NLP_模型加速.mp4
│  │      
│  ├─4.自然语言处理核心部分
│  │      1.CNN REIVEW.mp4
│  │      2.CNN CODE.mp4
│  │      3.RNN REVIEW.mp4
│  │      4.RNN CODE.mp4
│  │      5.LSTM.mp4
│  │      6.LSTM_CODE.mp4
│  │      7.文本分类.mp4
│  │      8.文本分类的方式.mp4
│  │      9.文本分类CNN&RNN.mp4
│  │      10. 文本分类 CNN 模型使用.mp4
│  │      11. 文本分类 RNN 搭建.mp4
│  │      
│  └─5.实战项目-从无到有打造聊天机器人
│          00. chatbot.mp4
│          01. chatbot 搭建计画.mp4
│          02. chatbot 环境搭建下载数据集.mp4
│          03. chatbot 下载数据集.mp4
│          04. chatbot 导入依赖包.mp4
│          05. ChatBot 读取数据.mp4
│          06. chatbot 创建对話字典.mp4
│          07. ChatBot 建立对话列表.mp4
│          08. ChatBot 问答集.mp4
│          09. ChatBot 数据初步清洗.mp4
│          10. ChatBot 清理问题集&回答集.mp4
│          11. ChatBot 统计字频.mp4
│          12. ChatBot 标记化&去除少数字.mp4
│          13. ChatBot 最终标记.mp4
│          14. ChatBot 逆向字典.mp4
│          15. ChatBot 添加 EOS 标签.mp4
│          16. ChatBot 问答数列化.mp4
│          17. ChatBot 长短句.mp4
│          18. ChatBot input&output.mp4
│          19. ChatBot 处理输出.mp4
│          20. ChatBot 建立RNN 模型.mp4
│          21. ChatBot 解码器训练.mp4
│          22. ChatBot 解码器测试.mp4
│          23. ChatBot 创建解码RNN.mp4
│          24. ChatBot Seq2Seq 模型.mp4
│          25. ChatBot 設置超参数.mp4
│          26. ChatBot 启动运算.mp4
│          27. ChatBot 模型 input.mp4
│          28. ChatBot 模型輸入序列長度.mp4
│          29. ChatBot 設置輸入的数据形状.mp4
│          30. ChatBot训练 & 测试結果.mp4
│          31. ChatBot 损失，优化，梯度消減.mp4
│          32. ChatBot 问答等长处理.mp4
│          33. ChatBot 问答数据批量.mp4
│          34. ChatBot 数据分割.mp4
│          35. ChatBot 训练.mp4
│          36. ChatBot 训练2.mp4
│          37. ChatBot 测试.mp4
│          38. ChatBot 输入修飾.mp4
│          39. ChatBot 开始聊天.mp4
│          
├─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
│  │      01_课程要求以及目标.mp4
│  │      02_项目演示结果.mp4
│  │      03_项目结构以及课程安排.mp4
│  │      04_图像识别背景.mp4
│  │      05_目标检测的定义和技术历史.mp4
│  │      06_目标检测应用场景.mp4
│  │      07_目标检测算法原理铺垫.mp4
│  │      08_目标检测任务描述.mp4
│  │      
│  ├─2.RCNN原理
│  │      01_Overfeat模型.mp4
│  │      02_RCNN：步骤流程介绍.mp4
│  │      03_RCNN：候选区域以及特征提取.mp4
│  │      04_RCNN：SVM分类器.mp4
│  │      05_RCNN：非极大抑制（NMS）.mp4
│  │      06_RCNN：候选区域修正.mp4
│  │      07_RCNN：训练过程与测试过程介绍.mp4
│  │      08_RCNN：总结、优缺点与问题自测.mp4
│  │      
│  ├─3.SPPNet原理
│  │      01_SPPNet：与RCNN的区别、网络流程.mp4
│  │      02_SPPNet：映射.mp4
│  │      03_SPPNet：SPP层的作用.mp4
│  │      04_SPPNet：总结、优缺点与问题自测.mp4
│  │      
│  ├─4.FastRCNN原理
│  │      01_FastRCNN：改进之处以及网络流程.mp4
│  │      02_FastRCNN：RoI pooling结构以及SPP对比.mp4
│  │      03_FastRCNN：多任务损失.mp4
│  │      04_FastRCNN：总结与问题自测.mp4
│  │      
│  ├─5.FasterRCNN原理
│  │      01_FasterRCNN：网络结构与步骤.mp4
│  │      02_FasterRCNN：RPN网络的原理.mp4
│  │      03_FasterRCNN：总结与问题自测.mp4
│  │      
│  ├─6.YOLO原理
│  │      01_YOLO：算法特点与流程介绍.mp4
│  │      02_YOLO：单元格原理过程.mp4
│  │      03_YOLO：训练过程样本标记.mp4
│  │      04_YOLO：总结.mp4
│  │      
│  └─7.SSD原理
│          01_SSD：网络结构与Detected结构.mp4
│          02_SSD：localization与confidence.mp4
│          03_SSD：训练与测试流程总结.mp4
│          04_TensorflowSSD接口介绍.mp4
│          05_第一阶段算法总结.mp4
│          
├─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
│   │      01_目标检测数据集介绍.mp4
│   │      02_商品数据集标记.mp4
│   │      
│   ├─2.数据集格式转换
│   │      01_数据集格式转换介绍.mp4
│   │      02_格式转换：代码介绍.mp4
│   │      03_格式转换：文件读取以及存储逻辑.mp4
│   │      04_格式转换：图片数据以及XML读取.mp4
│   │      05_格式转换：example封装、总结.mp4
│   │      
│   └─3.TFRecords读取
│           01_slim库介绍.mp4
│           02_TFRecord读取：Dataset准备.mp4
│           03_TFRecord读取：provider读取.mp4
│           04_第二阶段总结.mp4
│           
└─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
   │      01_项目架构设计.mp4
   │      02_训练与测试整体结构设计.mp4
   │      
   ├─10.TFServing客户端
   │      01_Tensorflow serving client逻辑.mp4
   │      02_Client：用户输入图片处理.mp4
   │      03_Client：grpc与serving apis介绍.mp4
   │      04_Client：客户端建立连接获取结果代码.mp4
   │      05_Client：结果解析.mp4
   │      06_Client：结果标记返回.mp4
   │      
   ├─11.服务器部署
   │      01_服务器部署：服务器部署的代码文件需求、服务开启.mp4
   │      02_项目总结.mp4
   │      
   ├─2.数据接口实现
   │      01_数据接口：商品格式转换实现.mp4
   │      02_数据接口：读取数据接口设计以及基类如何定义.mp4
   │      03_数据接口：商品数据读取子类实现.mp4
   │      04_数据接口：数据读取工厂逻辑实现.mp4
   │      05_数据接口：代码运行与数据模块总结.mp4
   │      
   ├─3.模型接口实现
   │      01_模型接口：接口设置以及模型工厂代码.mp4
   │      
   ├─4.预处理接口实现
   │      01_预处理接口：预处理需求介绍、数据增强介绍.mp4
   │      02_预处理接口：预处理工厂代码.mp4
   │      03_预处理接口：预处理工厂代码参数错误调整.mp4
   │      04_数据接口、模型接口、预处理接口参数总结.mp4
   │      
   ├─5.训练过程实现
   │      01_训练：训练步骤与设备部署介绍.mp4
   │      02_训练：model_deploy介绍.mp4
   │      03_训练：训练运行结果显示与初始配置确定.mp4
   │      04_训练：1设备配置代码以及全局步数定义.mp4
   │      05_训练：2图片数据读取与处理逻辑介绍.mp4
   │      06_训练：2数据模块与网络模型获取结果.mp4
   │      07_训练：2网络参数修改、provider获取数据、预处理.mp4
   │      08_训练：2NHWC和NCHW介绍.mp4
   │      09_训练：2对anchors进行正负样本标记.mp4
   │      10_训练：2批处理获取以及数据形状变换.mp4
   │      11_训练：2队列设置.mp4
   │      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
   │      13_训练：5总损失计算与变量平均梯度计算6训练配置.mp4
   │      14_训练：训练流程总结.mp4
   │      
   ├─6.测试过程实现
   │      01_测试：测试流程介绍、代码.mp4
   │      02_测试：图片输入、结果标记代码.mp4
   │      
   ├─7.模型部署介绍
   │      01_web服务与模型部署流程关系介绍.mp4
   │      02_本地TensorFlow Serving演示以及逻辑介绍.mp4
   │      
   ├─8.导出模型
   │      01_模型导出：模型输入输出定义.mp4
   │      02_模型导出：Savedmodel导出模型.mp4
   │      
   └─9.打开模型服务
         01_开启模型服务.mp4