Python+AI -黑马- 人脸识别Python人工智能【完结】
上次更新时间：2024-11-13
课程售价: 2.9 元
联系右侧微信客服充值或购买课程
课程内容
1-1 深度学习基础
- 01_深度学习课程介绍 (免费)
- 02_深度学习介绍 (免费)
- 03_深度学习介绍2
- 01_逻辑回归介绍
- 02_逻辑回归损失函数
- 03_梯度下降算法过程以及公式
- 04_导数意义介绍
- 05_a^2函数的导数介绍
- 06_导数计算图与链式法则
- 07_逻辑回归的导数计算图分析以及参数导数
- 08_向量化编程介绍引入
- 09_向量化编程的优势
- 10_向量化实现逻辑回归的梯度计算更新
- 11_正向传播与反向传播、作业介绍
- 12_作业讲解题1：实现sigmoid函数与梯度实
- 13_作业讲解题2：单神经元神经网络(logistic)分类作业流程介绍
- 14_作业讲解题2：参数初始化与前向传播、反向传播
- 15_作业讲解题2：优化迭代实现、model逻辑实现
- 16_总结
- 00.浅层神经网络
- 01_浅层神经网络表示
- 02_浅层神经网络的前向传播
- 03_激活函数的选择
- 04_浅层神经网络的反向传播
- 05_作业介绍
- 06_作业实现：初始化模型与前向传播
- 07_作业实现：反向传播与更新梯度
- 08_作业实现：网络模型逻辑实现
- 09_总结
- 01_深层神经网络表示
- 02_深层神经网络的反向传播过程
- 03_参数初始化与超参数介绍
1-2 深度学习优化进阶
- 01_深度学习紧接、多分类介绍
- 02_交叉熵损失原理
- 03_案例：Mnist手写数字数据介绍
- 04_案例：网络结构、流程、代码介绍
- 05_案例：主网络结构搭建实现
- 06_案例：添加准确率
- 07_案例：Tensorboard观察显示
- 08_案例：添加模型保存、预测
- 09_调整学习率带来的问题
- 01_深度学习遇到问题、为什么需要优化算法
- 02_Mini梯度下降与Batch梯度下降
- 03_指数加权平均
- 04_动量梯度下降原理公式理解
- 05_RMSProp与Adam原理与学习率递减
- 06_标准化输入带来的优化
- 07_作业介绍
- 08_作业讲解1
- 09_作业讲解2
- 01_深度学习偏差与方差介绍为、什么需要正则化
- 02_正则化概念、L2正则化与L1正则化
- 03_Droupout过程与原理理解
- 04_其它正则化方法-早停止法与数据增强
- 05_正则化作业介绍
- 06_作业讲解1
- 07_作业讲解2
- 01_神经网络调参数技巧与如何设置参数、如何运行
- 02_批标准化定义、公式、为什么有效
1-3 卷积神经网络
1-4 循环神经网络
- 01_循环神经网络背景介绍
- 02_循环神经网络结构原理
- 03_词的表示与矩阵形状运算
- 04_交叉熵损失计算
- 05_时间反向传播算法
- 06_梯度消失、案例介绍
- 07_手写RNN案例：单个cell前向传播
- 08_手写RNN案例：所有cell的前向传播
- 09_手写RNN案例：单个cell的反向传播
- 10_手写RNN案例：所有cell的反向传播
- 11_案例总结
- 12_GRU与LSTM介绍
- 01_词嵌入介绍
- 02_词嵌入案例
- 01_seq2seq介绍与理解
- 02_seq2seq机器翻译等场景介绍分析
- 03_Attention原理分析
- 04_机器翻译案例：日期格式翻译转换、代码结构介绍
- 05_机器翻译案例：模型参数定义
- 06_机器翻译案例：数据获取以及数据格式转换介绍
- 07_机器翻译案例：训练逻辑与网络结构介绍
- 08_机器翻译案例：网络输入输出逻辑介绍
- 09_机器翻译案例：网络输入输出逻辑编写
- 10_机器翻译案例：自定义网络seq2seq的编解码器定义
- 11_机器翻译案例：seq2seq的输出层定义
- 12_机器翻译案例：attention结构定义
- 13_机器翻译案例：model中计算attention输出c逻辑函数实现
- 14_机器翻译案例：训练逻辑编写
- 15_机器翻译案例：训练结果与问题解决
- 16_机器翻译案例：测试逻辑结果演示
- 17_集束搜索介绍
1-5 高级主题
1-6 百度人脸识别
- 0_课程组成和目标
- 1_1_访问入口
- 1_2_机器学习平台_介绍
- 1_3_百度深度学习平台_介绍
- 1_4_百度深度学习平台_创建集群
- 1_5_百度人工智能平台_功能介绍
- 1_6_人工智能平台_服务开通
- 1_7_人工智能平台_访问方式和SDK安装
- 2_1_1_人脸识别功能介绍_开通应用
- 2_1_2人脸识别_API
- 2_1_3_人脸检测_步骤和代码浏览
- 2_1_4_人脸检测_获取access_token
- 2_1_5_人脸检测_调用API
- 2_1_6_人脸检测_图像坐标
- 2_1_7_人脸检测_边框
- 2_1_8_人脸检测_性别年龄总结
- 2_1_9_人脸检测_SDK方式
- 2_2_1_图像识别功能_应用创建
- 2_2_2_图像识别_物体检测API_实例
- 2_2_3_图像检测识别_菜品识别
- 2_2_4_图像检测_车辆检测
- 2_2_5_定制化图像识别_特点和功能
- 2_2_5_定制化图像识别_图像分类_步骤
- 2_2_6_定制化图像识别_图像分类_操作
- 2_2_7_定制化图像识别_图像分类_关联和调用流程
- 2_2_8_定制化图像识别_图像分类_代码实现
- 2_2_9_定制化图像识别_图像分类_迭代和常见问题
- 2_2_10_定制化图像识别_物体检测_流程
- 2_2_11_定制化图像识别_物体检测API_错误码
- 2_3_1_功能介绍_创建应用
- 2_3_2_通用文字识别_代码
- 2_3_3_通用文字识别_其他版本函数
- 2_3_4_车牌识别
- 2_3_5_通用票据识别
- 2_3_6_自定义模板_步骤
- 2_3_7_自定义模板_实际创建
- 2_3_8_自定义模板_API和代码
- 2_3_9_创建分类器
- 2_3_10_分类器代码
- 3_1_1_语音识别_介绍和API
- 3_1_2_语音识别案例_代码浏览
- 3_1_3_语音识别案例_案例
- 3_2_1语音合成
- 4_1_1_自然语言处理基础技术
- 5_1_0_人脸打卡案例_介绍
- 5_1_1_案例_前端部分介绍
- 5_1_2_案例_人脸搜索代码浏览
- 5_1_3_案例_获取token
- 5_1_4_案例_添加用户_人脸搜索
- 5_1_5_案例_主程序1
- 5_1_6_案例_主程序2
1-7 自然语言处理
- 0.NLP介紹
- 1.NLP的种类
- 2.端对端深度学习模型
- 3.词袋
- 4.Seq2Seq
- 5.Beam Serch Decoding
- 6.Attention
- 1.机器学习-NLTK_数据读取
- 2.机器学习-NLTK_清理数据
- 3.机器学习-NLTK_大小写转换
- 4.机器学习-NLTK_去除虚词
- 5.机器学习-NLTK_词根化
- 6.机器学习-NLTK_还原字符串
- 7.机器学习-NLTK_稀疏矩阵
- 8.机器学习-NLTK_最大过滤
- 9.机器学习-NLTK_建立词袋模型
- 10.深度学习-Deep Learning in NLP
- 11.深度学习-Deep Learning in NLP_模型优化
- 12.深度学习-Deep Learning in NLP_模型加速
- 1.CNN REIVEW
- 2.CNN CODE
- 3.RNN REVIEW
- 4.RNN CODE
- 5.LSTM
- 6.LSTM_CODE
- 7.文本分类
- 8.文本分类的方式
- 9.文本分类CNN&RNN
- 10. 文本分类 CNN 模型使用
- 11. 文本分类 RNN 搭建
- 0.chatbot
- 01.chatbot 搭建计画
- 02.chatbot 环境搭建下载数据集
- 03.chatbot 下载数据集
- 04.chatbot 导入依赖包
- 05.ChatBot 读取数据
- 06.chatbot 创建对話字典
- 07. ChatBot 建立对话列表
- 08. ChatBot 问答集
- 09.ChatBot 数据初步清洗
- 10. ChatBot 清理问题集&回答集
- 11. ChatBot 统计字频
- 12. ChatBot 标记化&去除少数字
- 13. ChatBot 最终标记
- 14. ChatBot 逆向字典
- 15. ChatBot 添加 EOS 标签
- 16. ChatBot 问答数列化
- 17. ChatBot 长短句
- 18. ChatBot input&output
- 19. ChatBot 处理输出
- 20. ChatBot 建立RNN 模型
- 21. ChatBot 解码器训练
- 22. ChatBot 解码器测试
- 23. ChatBot 创建解码RNN
- 24. ChatBot Seq2Seq 模型
- 25. ChatBot 設置超参数
- 26.ChatBot 启动运算
- 27. ChatBot 模型 input
- 28. ChatBot 模型輸入序列長度
- 29. ChatBot 設置輸入的数据形状
- 30. ChatBot训练 & 测试結果
- 31. ChatBot 损失，优化，梯度消減
- 32. ChatBot 问答等长处理
- 33. ChatBot 问答数据批量
- 34. ChatBot 数据分割
- 35. ChatBot 训练
- 36. ChatBot 训练2
- 37. ChatBot 测试
- 38. ChatBot 输入修飾
- 39. ChatBot 开始聊天
1-8 图片商品物体检测项目第一阶段-检测算法原理
- 01_课程要求以及目标
- 02_项目演示结果
- 03_项目结构以及课程安排
- 04_图像识别背景
- 05_目标检测的定义和技术历史
- 06_目标检测应用场景
- 07_目标检测算法原理铺垫
- 08_目标检测任务描述
- 01_Overfeat模型
- 02_RCNN：步骤流程介绍
- 03_RCNN：候选区域以及特征提取
- 04_RCNN：SVM分类器
- 05_RCNN：非极大抑制（NMS）
- 06_RCNN：候选区域修正
- 07_RCNN：训练过程与测试过程介绍
- 08_RCNN：总结、优缺点与问题自测
- 01_SPPNet：与RCNN的区别、网络流程
- 02_SPPNet：映射
- 03_SPPNet：SPP层的作用
- 04_SPPNet：总结、优缺点与问题自测
- 01_FastRCNN：改进之处以及网络流程
- 02_FastRCNN：RoI pooling结构以及SPP对比
- 03_FastRCNN：多任务损失
- 04_FastRCNN：总结与问题自测
- 01_FasterRCNN：网络结构与步骤
- 02_FasterRCNN：RPN网络的原理
- 03_FasterRCNN：总结与问题自测
- 01_YOLO：算法特点与流程介绍
- 02_YOLO：单元格原理过程
- 03_YOLO：训练过程样本标记
- 04_YOLO：总结
- 01_SSD：网络结构与Detected结构
- 02_SSD：localization与confidence
- 03_SSD：训练与测试流程总结
- 04_TensorflowSSD接口介绍
- 05_第一阶段算法总结
1-9 图片商品物体检测项目第二阶段-数据集制作与处理
1-10 图片商品物体检测项目第三阶段-项目实现与部署
- 01_项目架构设计
- 02_训练与测试整体结构设计
- 01_数据接口：商品格式转换实现
- 02_数据接口：读取数据接口设计以及基类如何定义
- 03_数据接口：商品数据读取子类实现
- 04_数据接口：数据读取工厂逻辑实现
- 05_数据接口：代码运行与数据模块总结
- 01_模型接口：接口设置以及模型工厂代码
- 01_预处理接口：预处理需求介绍、数据增强介绍
- 02_预处理接口：预处理工厂代码
- 03_预处理接口：预处理工厂代码参数错误调整
- 04_数据接口、模型接口、预处理接口参数总结
- 01_训练：训练步骤与设备部署介绍
- 02_训练：model_deploy介绍
- 03_训练：训练运行结果显示与初始配置确定
- 04_训练：1设备配置代码以及全局步数定义
- 05_训练：2图片数据读取与处理逻辑介绍
- 06_训练：2数据模块与网络模型获取结果
- 07_训练：2网络参数修改、provider获取数据、预处理
- 08_训练：2NHWC和NCHW介绍
- 09_训练：2对anchors进行正负样本标记
- 10_训练：2批处理获取以及数据形状变换
- 11_训练：2队列设置
- 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
- 13_训练：5总损失计算与变量平均梯度计算6训练配置
- 14_训练：训练流程总结
- 01_测试：测试流程介绍、代码
- 02_测试：图片输入、结果标记代码
- 01_web服务与模型部署流程关系介绍
- 02_本地TensorFlow Serving演示以及逻辑介绍
- 01_模型导出：模型输入输出定义
- 02_模型导出：Savedmodel导出模型
- 01_开启模型服务
- 01_Tensorflow serving client逻辑
- 02_Client：用户输入图片处理
- 03_Client：grpc与serving apis介绍
- 04_Client：客户端建立连接获取结果代码
- 05_Client：结果解析
- 06_Client：结果标记返回
- 01_服务器部署：服务器部署的代码文件需求、服务开启
- 02_项目总结
课程内容
10个章节 , 331个讲座
1-1 深度学习基础
- 01_深度学习课程介绍 (免费)
- 02_深度学习介绍 (免费)
- 03_深度学习介绍2
- 01_逻辑回归介绍
- 02_逻辑回归损失函数
- 03_梯度下降算法过程以及公式
- 04_导数意义介绍
- 05_a^2函数的导数介绍
- 06_导数计算图与链式法则
- 07_逻辑回归的导数计算图分析以及参数导数
- 08_向量化编程介绍引入
- 09_向量化编程的优势
- 10_向量化实现逻辑回归的梯度计算更新
- 11_正向传播与反向传播、作业介绍
- 12_作业讲解题1：实现sigmoid函数与梯度实
- 13_作业讲解题2：单神经元神经网络(logistic)分类作业流程介绍
- 14_作业讲解题2：参数初始化与前向传播、反向传播
- 15_作业讲解题2：优化迭代实现、model逻辑实现
- 16_总结
- 00.浅层神经网络
- 01_浅层神经网络表示
- 02_浅层神经网络的前向传播
- 03_激活函数的选择
- 04_浅层神经网络的反向传播
- 05_作业介绍
- 06_作业实现：初始化模型与前向传播
- 07_作业实现：反向传播与更新梯度
- 08_作业实现：网络模型逻辑实现
- 09_总结
- 01_深层神经网络表示
- 02_深层神经网络的反向传播过程
- 03_参数初始化与超参数介绍
1-2 深度学习优化进阶
- 01_深度学习紧接、多分类介绍
- 02_交叉熵损失原理
- 03_案例：Mnist手写数字数据介绍
- 04_案例：网络结构、流程、代码介绍
- 05_案例：主网络结构搭建实现
- 06_案例：添加准确率
- 07_案例：Tensorboard观察显示
- 08_案例：添加模型保存、预测
- 09_调整学习率带来的问题
- 01_深度学习遇到问题、为什么需要优化算法
- 02_Mini梯度下降与Batch梯度下降
- 03_指数加权平均
- 04_动量梯度下降原理公式理解
- 05_RMSProp与Adam原理与学习率递减
- 06_标准化输入带来的优化
- 07_作业介绍
- 08_作业讲解1
- 09_作业讲解2
- 01_深度学习偏差与方差介绍为、什么需要正则化
- 02_正则化概念、L2正则化与L1正则化
- 03_Droupout过程与原理理解
- 04_其它正则化方法-早停止法与数据增强
- 05_正则化作业介绍
- 06_作业讲解1
- 07_作业讲解2
- 01_神经网络调参数技巧与如何设置参数、如何运行
- 02_批标准化定义、公式、为什么有效
1-3 卷积神经网络
1-4 循环神经网络
- 01_循环神经网络背景介绍
- 02_循环神经网络结构原理
- 03_词的表示与矩阵形状运算
- 04_交叉熵损失计算
- 05_时间反向传播算法
- 06_梯度消失、案例介绍
- 07_手写RNN案例：单个cell前向传播
- 08_手写RNN案例：所有cell的前向传播
- 09_手写RNN案例：单个cell的反向传播
- 10_手写RNN案例：所有cell的反向传播
- 11_案例总结
- 12_GRU与LSTM介绍
- 01_词嵌入介绍
- 02_词嵌入案例
- 01_seq2seq介绍与理解
- 02_seq2seq机器翻译等场景介绍分析
- 03_Attention原理分析
- 04_机器翻译案例：日期格式翻译转换、代码结构介绍
- 05_机器翻译案例：模型参数定义
- 06_机器翻译案例：数据获取以及数据格式转换介绍
- 07_机器翻译案例：训练逻辑与网络结构介绍
- 08_机器翻译案例：网络输入输出逻辑介绍
- 09_机器翻译案例：网络输入输出逻辑编写
- 10_机器翻译案例：自定义网络seq2seq的编解码器定义
- 11_机器翻译案例：seq2seq的输出层定义
- 12_机器翻译案例：attention结构定义
- 13_机器翻译案例：model中计算attention输出c逻辑函数实现
- 14_机器翻译案例：训练逻辑编写
- 15_机器翻译案例：训练结果与问题解决
- 16_机器翻译案例：测试逻辑结果演示
- 17_集束搜索介绍
1-5 高级主题
1-6 百度人脸识别
- 0_课程组成和目标
- 1_1_访问入口
- 1_2_机器学习平台_介绍
- 1_3_百度深度学习平台_介绍
- 1_4_百度深度学习平台_创建集群
- 1_5_百度人工智能平台_功能介绍
- 1_6_人工智能平台_服务开通
- 1_7_人工智能平台_访问方式和SDK安装
- 2_1_1_人脸识别功能介绍_开通应用
- 2_1_2人脸识别_API
- 2_1_3_人脸检测_步骤和代码浏览
- 2_1_4_人脸检测_获取access_token
- 2_1_5_人脸检测_调用API
- 2_1_6_人脸检测_图像坐标
- 2_1_7_人脸检测_边框
- 2_1_8_人脸检测_性别年龄总结
- 2_1_9_人脸检测_SDK方式
- 2_2_1_图像识别功能_应用创建
- 2_2_2_图像识别_物体检测API_实例
- 2_2_3_图像检测识别_菜品识别
- 2_2_4_图像检测_车辆检测
- 2_2_5_定制化图像识别_特点和功能
- 2_2_5_定制化图像识别_图像分类_步骤
- 2_2_6_定制化图像识别_图像分类_操作
- 2_2_7_定制化图像识别_图像分类_关联和调用流程
- 2_2_8_定制化图像识别_图像分类_代码实现
- 2_2_9_定制化图像识别_图像分类_迭代和常见问题
- 2_2_10_定制化图像识别_物体检测_流程
- 2_2_11_定制化图像识别_物体检测API_错误码
- 2_3_1_功能介绍_创建应用
- 2_3_2_通用文字识别_代码
- 2_3_3_通用文字识别_其他版本函数
- 2_3_4_车牌识别
- 2_3_5_通用票据识别
- 2_3_6_自定义模板_步骤
- 2_3_7_自定义模板_实际创建
- 2_3_8_自定义模板_API和代码
- 2_3_9_创建分类器
- 2_3_10_分类器代码
- 3_1_1_语音识别_介绍和API
- 3_1_2_语音识别案例_代码浏览
- 3_1_3_语音识别案例_案例
- 3_2_1语音合成
- 4_1_1_自然语言处理基础技术
- 5_1_0_人脸打卡案例_介绍
- 5_1_1_案例_前端部分介绍
- 5_1_2_案例_人脸搜索代码浏览
- 5_1_3_案例_获取token
- 5_1_4_案例_添加用户_人脸搜索
- 5_1_5_案例_主程序1
- 5_1_6_案例_主程序2
1-7 自然语言处理
- 0.NLP介紹
- 1.NLP的种类
- 2.端对端深度学习模型
- 3.词袋
- 4.Seq2Seq
- 5.Beam Serch Decoding
- 6.Attention
- 1.机器学习-NLTK_数据读取
- 2.机器学习-NLTK_清理数据
- 3.机器学习-NLTK_大小写转换
- 4.机器学习-NLTK_去除虚词
- 5.机器学习-NLTK_词根化
- 6.机器学习-NLTK_还原字符串
- 7.机器学习-NLTK_稀疏矩阵
- 8.机器学习-NLTK_最大过滤
- 9.机器学习-NLTK_建立词袋模型
- 10.深度学习-Deep Learning in NLP
- 11.深度学习-Deep Learning in NLP_模型优化
- 12.深度学习-Deep Learning in NLP_模型加速
- 1.CNN REIVEW
- 2.CNN CODE
- 3.RNN REVIEW
- 4.RNN CODE
- 5.LSTM
- 6.LSTM_CODE
- 7.文本分类
- 8.文本分类的方式
- 9.文本分类CNN&RNN
- 10. 文本分类 CNN 模型使用
- 11. 文本分类 RNN 搭建
- 0.chatbot
- 01.chatbot 搭建计画
- 02.chatbot 环境搭建下载数据集
- 03.chatbot 下载数据集
- 04.chatbot 导入依赖包
- 05.ChatBot 读取数据
- 06.chatbot 创建对話字典
- 07. ChatBot 建立对话列表
- 08. ChatBot 问答集
- 09.ChatBot 数据初步清洗
- 10. ChatBot 清理问题集&回答集
- 11. ChatBot 统计字频
- 12. ChatBot 标记化&去除少数字
- 13. ChatBot 最终标记
- 14. ChatBot 逆向字典
- 15. ChatBot 添加 EOS 标签
- 16. ChatBot 问答数列化
- 17. ChatBot 长短句
- 18. ChatBot input&output
- 19. ChatBot 处理输出
- 20. ChatBot 建立RNN 模型
- 21. ChatBot 解码器训练
- 22. ChatBot 解码器测试
- 23. ChatBot 创建解码RNN
- 24. ChatBot Seq2Seq 模型
- 25. ChatBot 設置超参数
- 26.ChatBot 启动运算
- 27. ChatBot 模型 input
- 28. ChatBot 模型輸入序列長度
- 29. ChatBot 設置輸入的数据形状
- 30. ChatBot训练 & 测试結果
- 31. ChatBot 损失，优化，梯度消減
- 32. ChatBot 问答等长处理
- 33. ChatBot 问答数据批量
- 34. ChatBot 数据分割
- 35. ChatBot 训练
- 36. ChatBot 训练2
- 37. ChatBot 测试
- 38. ChatBot 输入修飾
- 39. ChatBot 开始聊天
1-8 图片商品物体检测项目第一阶段-检测算法原理
- 01_课程要求以及目标
- 02_项目演示结果
- 03_项目结构以及课程安排
- 04_图像识别背景
- 05_目标检测的定义和技术历史
- 06_目标检测应用场景
- 07_目标检测算法原理铺垫
- 08_目标检测任务描述
- 01_Overfeat模型
- 02_RCNN：步骤流程介绍
- 03_RCNN：候选区域以及特征提取
- 04_RCNN：SVM分类器
- 05_RCNN：非极大抑制（NMS）
- 06_RCNN：候选区域修正
- 07_RCNN：训练过程与测试过程介绍
- 08_RCNN：总结、优缺点与问题自测
- 01_SPPNet：与RCNN的区别、网络流程
- 02_SPPNet：映射
- 03_SPPNet：SPP层的作用
- 04_SPPNet：总结、优缺点与问题自测
- 01_FastRCNN：改进之处以及网络流程
- 02_FastRCNN：RoI pooling结构以及SPP对比
- 03_FastRCNN：多任务损失
- 04_FastRCNN：总结与问题自测
- 01_FasterRCNN：网络结构与步骤
- 02_FasterRCNN：RPN网络的原理
- 03_FasterRCNN：总结与问题自测
- 01_YOLO：算法特点与流程介绍
- 02_YOLO：单元格原理过程
- 03_YOLO：训练过程样本标记
- 04_YOLO：总结
- 01_SSD：网络结构与Detected结构
- 02_SSD：localization与confidence
- 03_SSD：训练与测试流程总结
- 04_TensorflowSSD接口介绍
- 05_第一阶段算法总结
1-9 图片商品物体检测项目第二阶段-数据集制作与处理
1-10 图片商品物体检测项目第三阶段-项目实现与部署
- 01_项目架构设计
- 02_训练与测试整体结构设计
- 01_数据接口：商品格式转换实现
- 02_数据接口：读取数据接口设计以及基类如何定义
- 03_数据接口：商品数据读取子类实现
- 04_数据接口：数据读取工厂逻辑实现
- 05_数据接口：代码运行与数据模块总结
- 01_模型接口：接口设置以及模型工厂代码
- 01_预处理接口：预处理需求介绍、数据增强介绍
- 02_预处理接口：预处理工厂代码
- 03_预处理接口：预处理工厂代码参数错误调整
- 04_数据接口、模型接口、预处理接口参数总结
- 01_训练：训练步骤与设备部署介绍
- 02_训练：model_deploy介绍
- 03_训练：训练运行结果显示与初始配置确定
- 04_训练：1设备配置代码以及全局步数定义
- 05_训练：2图片数据读取与处理逻辑介绍
- 06_训练：2数据模块与网络模型获取结果
- 07_训练：2网络参数修改、provider获取数据、预处理
- 08_训练：2NHWC和NCHW介绍
- 09_训练：2对anchors进行正负样本标记
- 10_训练：2批处理获取以及数据形状变换
- 11_训练：2队列设置
- 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
- 13_训练：5总损失计算与变量平均梯度计算6训练配置
- 14_训练：训练流程总结
- 01_测试：测试流程介绍、代码
- 02_测试：图片输入、结果标记代码
- 01_web服务与模型部署流程关系介绍
- 02_本地TensorFlow Serving演示以及逻辑介绍
- 01_模型导出：模型输入输出定义
- 02_模型导出：Savedmodel导出模型
- 01_开启模型服务
- 01_Tensorflow serving client逻辑
- 02_Client：用户输入图片处理
- 03_Client：grpc与serving apis介绍
- 04_Client：客户端建立连接获取结果代码
- 05_Client：结果解析
- 06_Client：结果标记返回
- 01_服务器部署：服务器部署的代码文件需求、服务开启
- 02_项目总结