第1章 课程介绍
1-1 课程导学 (10:11)
第2章 神经网络入门
2-1 机器学习、深度学习简介 (17:03)
2-2 神经元-逻辑斯底回归模型 (09:57)
2-3 神经元多输出 (13:02)
2-4 梯度下降 (11:51)
2-5 数据处理与模型图构建(1) (16:21)
2-6 数据处理与模型图构建(2) (16:30)
2-7 神经元实现（二分类逻辑斯蒂回归模型实现） (29:46)
2-8 神经网络实现（多分类逻辑斯蒂回归模型实现） (18:02)
第3章 卷积神经网络
3-1 神经网络进阶 (21:20)
3-2 卷积神经网络（1） (18:51)
3-3 卷积神经网络（2） (17:35)
3-4 卷积神经网络实战 (16:38)
第4章 卷积神经网络进阶
4-1 卷积神经网络进阶（alexnet） (23:14)
4-2 卷积神经网络进阶（Vggnet-Resnet） (22:50)
4-3 卷积神经网络进阶（inception-mobile-net） (22:55)
4-4 VGG-ResNet实战（1） (20:22)
4-5 VGG-ResNet实战（2） (17:53)
4-6 Inception-mobile_net（1） (15:27)
4-7 Inception-mobile_net（2） (14:39)
第5章 卷积神经网络调参
5-1 adagrad_adam (10:31)
5-2 激活函数到调参技巧（1） (24:13)
5-3 激活函数到调参技巧（2） (20:51)
5-4 Tensorboard实战（1） (19:54)
5-5 Tensorboard实战（2） (21:34)
5-6 fine-tune-实战 (17:31)
5-7 activation-initializer-optimizer-实战 (18:42)
5-8 图像增强api使用 (19:12)
5-9 图像增强实战 (16:02)
5-10 批归一化实战（1） (12:18)
5-11 批归一化实战（2） (12:41)
第6章 图像风格转换
6-1 卷积神经网络的应用 (05:15)
6-2 卷积神经网络的能力 (04:38)
6-3 图像风格转换V1算法 (11:51)
6-4 VGG16预训练模型格式 (05:43)
6-5 VGG16预训练模型读取函数封装 (15:39)
6-6 VGG16模型搭建与载入类的封装 (18:21)
6-7 图像风格转换算法定义输入与调用VGG-Net (13:18)
6-8 图像风格转换计算图构建与损失函数计算 (17:12)
6-9 图像风格转换训练流程代码实现 (14:34)
6-10 图像风格转换效果展示 (06:22)
6-11 图像风格转换V2算法 (14:11)
6-12 图像风格转换V3算法 (05:57)
第7章 循环神经网络
7-1 序列式问题 (05:48)
7-2 循环神经网络 (23:31)
7-3 长短期记忆网络 (10:40)
7-4 基于LSTM的文本分类模型(TextRNN与HAN) (14:03)
7-5 基于CNN的文本分类模型(TextCNN) (20:21)
7-6 RNN与CNN融合解决文本分类 (15:29)
7-7 数据预处理之分词 (16:46)
