咕泡人工智能深度学习第10期|价值16800元

📝 课程简介

本课程为GP人工智能深度学习第10期，全面覆盖深度学习核心算法与框架实战。课程包含神经网络基础、卷积神经网络、Transformer及VIT源码解析等理论内容，同时提供PyTorch深度学习框架的详细教程，涵盖分类、回归、图像识别等实战任务。特别强化OpenCV计算机视觉实战，从基础图像处理到高级目标追踪、OCR识别等综合项目。课程亮点为YOLO V9物体检测算法实战，配套丰富课件与源码资料，助力学员系统掌握深度学习技术栈，适合零基础入门及进阶提升。

📚 GP-人工智能深度学习第10期课程目录 🌟

📹 视频教程
├──🔧 1-AI课程所需安装软件教程（重复项建议优化）
├──🧠 2-深度学习必备核心算法
│ ├──🕸️ 1-神经网络结构
│ ├──🖼️ 2-卷积神经网络
│ ├──🤖 3-Transformer
│ └──🧩 4-VIT源码解读
├──🐍 3-深度学习核心框架PyTorch
│ ├──📦 3-1 PyTorch框架介绍与配置安装
│ ├──🔢 3-2 使用神经网络进行分类任务
│ ├──❄️ 3-3 神经网络回归任务-气温预测
│ ├──🔍 3-4 卷积网络参数解读分析
│ ├──🎯 3-5 图像识别模型与训练策略（重点🌟）
│ ├──📂 3-6 DataLoader自定义数据集制作
│ ├──📝 3-7 LSTM文本分类实战
│ └️🌐 3-8 PyTorch框架Flask部署例子
├──🖌️ 4-Opencv图像处理框架实战
│ ├──📖 5-1 课程简介与环境配置
│ ├──📑 5-10 文档扫描OCR识别
│ ├──🔍 5-11 图像特征-harris
│ ├──💎 5-12 图像特征-sift
│ ├──🌄 5-13 全景图像拼接
│ ├──🚗 5-14 停车场车位识别
│ ├──✅ 5-15 答题卡识别判卷
│ ├──🎨 5-16 背景建模
│ ├──🌊 5-17 光流估计
│ ├──🧠 5-18 Opencv的DNN模块
│ ├──🎯 5-19 目标追踪
│ ├──🖼️ 5-2 图像基本操作
│ ├──🔄 5-20 卷积原理与操作
│ ├──😴 5-21 疲劳检测
│ ├──🎨 5-3 阈值与平滑处理
│ ├──🔍 5-4 图像形态学操作
│ ├──⛰️ 5-5 图像梯度计算
│ ├──🔪 5-6 边缘检测
│ ├──🗻 5-7 图像金字塔与轮廓检测
│ ├──📊 5-8 直方图与傅里叶变换
│ └️🔢 5-9 信用卡数字识别
└️🚀 5-综合项目-物体检测经典算法实战
└️🎯 1-YOLO V9

📂 学习资料
├──🧠 2-深度学习必备核心算法
│ ├──📄 transformer.pdf 1.99M
│ ├──📄 Transformer在视觉中的应用VIT算法.pdf 1.24M
│ ├──📦 ViT.zip 638.39M
│ ├──🖼️ 卷积神经网络.pdf 2.59M
│ └️🕸️ 神经网络.pdf 6.31M
├──🐍 3-深度学习框架PyTorch
│ ├──📦 flask预测.zip 712.05M
│ ├──📄 PyTorch.pdf 2.67M
│ ├──📦 第二章,三章:神经网络实战分类与回归任务.zip 15.82M
│ ├──📦 第六章:DataLoader自定义数据集制作.zip 594.02M
│ ├──📦 第七章:LSTM文本分类实战.zip 31.53M
│ ├──📦 第四章:卷积网络参数解读.zip 33.37M
│ ├──📦 第五章:图像识别模型与训练策略（重点🌟）.zip 449.77M
│ └️📄 深度学习.pdf 9.93M
└️🖌️ 4-Opencv图像处理框架实战
├──📖 课件
└️📦 源码资料