【加密】JM105 – GAN生成对抗网络入门与实战 [11.5G]

【加密】JM105 – GAN生成对抗网络入门与实战 [11.5G]

┣━━01.视频 [4.2G]
┃ ┣━━{1}–课程简介 [23M]
┃ ┃ ┗━━[1.1]–GAN实战-课程简介.mp4 [23M]
┃ ┣━━{2}–自编码器的实现与应用 [386.5M]
┃ ┃ ┣━━[2.1]–自编码器的定义与原理.abc [37M]
┃ ┃ ┣━━[2.2]–.基本自编码器(tensorflow2.0版本).abc [51M]
┃ ┃ ┣━━[2.3]–基本去噪自编码器（tensorflow2.0版本）.abc [21.2M]
┃ ┃ ┣━━[2.4]–上采样和反卷积.abc [16.1M]
┃ ┃ ┣━━[2.5]–卷积去噪自编码器（tensorflow2.0版本）.abc [30.9M]
┃ ┃ ┣━━[2.6]–基本自编码器的代码实现（1.8版本，选看）.abc [123.2M]
┃ ┃ ┣━━[2.7]–去噪自编码器(1.8版本，选看).abc [38.7M]
┃ ┃ ┗━━[2.8]–卷积去噪自编码器(1.8版本，选看).abc [68.5M]
┃ ┣━━{3}–GAN的原理与实现 [477M]
┃ ┃ ┣━━22年更新内容 [55M]
┃ ┃ ┃ ┣━━[3.1]–GAN的原理和公式.abc [19.6M]
┃ ┃ ┃ ┣━━[3.2]–GAN的算法流程和公式详解.abc [21.6M]
┃ ┃ ┃ ┗━━[3.3]–GAN的公式总结和应用.abc [13.3M]
┃ ┃ ┣━━[3.1]–GAN的原理介绍.abc [42.1M]
┃ ┃ ┣━━[3.2]–Tensorflow2.0版本GAN入门实例——数据准备.abc [11.6M]
┃ ┃ ┣━━[3.3]–Tensorflow2.0版本GAN入门实例——编写生成器模型和.abc [19.7M]
┃ ┃ ┣━━[3.4]–Tensorflow2.0版本GAN入门实例——编写loss函数.abc [18M]
┃ ┃ ┣━━[3.5]–Tensorflow2.0版本GAN入门实例——定义批次训练函数.abc [60.6M]
┃ ┃ ┣━━[3.6]–Tensorflow2.0版本GAN入门实例——GAN的训练与结.abc [35.3M]
┃ ┃ ┣━━[3.7]–简单GAN的代码实现（一）(1.8版本，选看).abc [52.7M]
┃ ┃ ┗━━[3.8]–简单GAN的代码实现（二）(1.8版本，选看).abc [182M]
┃ ┣━━{4}–DCGAN [150.1M]
┃ ┃ ┣━━[4.1]–DCGAN介绍.abc [19.1M]
┃ ┃ ┣━━[4.2]–Tensorflow2.0版本DCGAN简单实例——生成器模型.abc [20.6M]
┃ ┃ ┣━━[4.3]–Tensorflow2.0版本DCGAN简单实例——辨别器模型和.abc [40.6M]
┃ ┃ ┗━━[4.4]–DCGAN的代码实现(1.8版本，选看).abc [69.8M]
┃ ┣━━{5}–Tensorflow2.0版本GAN——生成二次元人物头像 [78.1M]
┃ ┃ ┣━━[5.1]–2.0版本DCGAN实例——读取二次元人物头像.abc [49.7M]
┃ ┃ ┗━━[5.2]–DCGAN生成二次元人物头像模型及训练.abc [28.4M]
┃ ┣━━{6}–CGAN(ConditionalGAN) [315.9M]
┃ ┃ ┣━━[6.1]–cGAN（ConditionalGAN）原理介绍.abc [22.3M]
┃ ┃ ┣━━[6.10]–训练函数与模型训练.abc [48.9M]
┃ ┃ ┣━━[6.11]–cGAN（ConditionalGAN）代码实现(1.8版本，选.abc [84.5M]
┃ ┃ ┣━━[6.2]–基础CGAN——数据准备.abc [19.4M]
┃ ┃ ┣━━[6.3]–CGAN生成器（一）.abc [21.8M]
┃ ┃ ┣━━[6.4]–CGAN生成器（二）.abc [15.6M]
┃ ┃ ┣━━[6.5]–判别器创建.abc [27.7M]
┃ ┃ ┣━━[6.6]–损失函数和优化函数.abc [15.7M]
┃ ┃ ┣━━[6.7]–批次训练函数.abc [21.3M]
┃ ┃ ┣━━[6.8]–批次训练函数（二）.abc [13.3M]
┃ ┃ ┗━━[6.9]–辅助绘图函数.abc [25.6M]
┃ ┣━━{7}–ACGAN [238.7M]
┃ ┃ ┣━━[7.1]–ACGAN的网络结构和损失函数.abc [11.7M]
┃ ┃ ┣━━[7.2]–ACGAN代码实现（一）.abc [25.8M]
┃ ┃ ┣━━[7.3]–ACGAN代码实现（二）.abc [22.3M]
┃ ┃ ┣━━[7.4]–人脸图像生成实例-图片读取.abc [33M]
┃ ┃ ┣━━[7.5]–人脸图像生成实例-创建输入管道.abc [43.4M]
┃ ┃ ┣━━[7.6]–人脸图像生成实例-生成器和判别器.abc [26.9M]
┃ ┃ ┗━━[7.7]–人脸图像生成实例-模型训练与可视化.abc [75.5M]
┃ ┣━━{8}–infoGAN [307.1M]
┃ ┃ ┣━━[8.1]–infoGAN的原理介绍.abc [40.5M]
┃ ┃ ┣━━[8.2]–InfoGAN代码实现思路.abc [22M]
┃ ┃ ┣━━[8.3]–Infogan的生成器、判别器及损失函数定义.abc [22.6M]
┃ ┃ ┣━━[8.4]–Infogan的训练与结果测试.abc [98.2M]
┃ ┃ ┗━━[8.5]–infoGAN的代码实现（1.8版本，选看）.abc [123.8M]
┃ ┗━━{9}–WGAN(WassersteinGAN) [192.6M]
┃ ┣━━[9.1]–WGAN的原理与设计.abc [92M]
┃ ┗━━[9.2]–WGAN的简单代码实现（1.8版本）.abc [100.5M]
┃ ┣━━{10}–SSGAN [141M]
┃ ┃ ┣━━[10.1]–SSGAN原理简介.abc [30.5M]
┃ ┃ ┗━━[10.2]–SSGAN的代码实现（1.8版本）.abc [110.5M]
┃ ┣━━{11}–Pix2PixGAN [908.8M]
┃ ┃ ┣━━[11.1]–Pix2PixGAN的原理与设计(一).abc [29.6M]
┃ ┃ ┣━━[11.10]–pix2pixGAN损失函数.abc [20M]
┃ ┃ ┣━━[11.11]–pix2pixGAN的训练和预测.abc [43.4M]
┃ ┃ ┣━━[11.12]–Pix2pixGAN练习作业.abc [8.8M]
┃ ┃ ┣━━[11.13]–Pix2PixGAN实例：图像转素描——生成器的设计（1.8版本.abc [104.1M]
┃ ┃ ┣━━[11.14]–Pix2Pix实例：图像转素描—判别器和损失函数（1.8版本，选.abc [82.5M]
┃ ┃ ┣━━[11.15]–Pix2PixGAN实例：图片的读取、训练与测试(1.8版本，选.abc [114.8M]
┃ ┃ ┣━━[11.2]–Pix2PixGAN的原理与设计(二).abc [29M]
┃ ┃ ┣━━[11.3]–Pix2pixGAN实例-城市景观数据集介绍.abc [19.1M]
┃ ┃ ┣━━[11.4]–城市景观图片数据加载.abc [73.4M]
┃ ┃ ┣━━[11.5]–城市景观数据加载-创建输入管道.abc [102.9M]
┃ ┃ ┣━━[11.6]–上采样函数和下采样函数.abc [24.1M]
┃ ┃ ┣━━[11.7]–生成器UNET结构创建（一）.abc [26.9M]
┃ ┃ ┣━━[11.8]–生成器UNET结构创建（二）.abc [163M]
┃ ┃ ┗━━[11.9]–判别器模型.abc [67.3M]
┃ ┣━━{12}–CycleGAN [634.1M]
┃ ┃ ┣━━[12.1]–CycleGAN原理简介.abc [36.6M]
┃ ┃ ┣━━[12.10]–CycleGAN2.0损失函数和优化函数.abc [22.1M]
┃ ┃ ┣━━[12.11]–CycleGAN2.0训练函数.abc [26.1M]
┃ ┃ ┣━━[12.12]–CycleGAN2.0计算损失、优化参数.abc [27M]
┃ ┃ ┣━━[12.13]–CycleGAN2.0模型训练.abc [30.1M]
┃ ┃ ┣━━[12.2]–CycleGAN的代码实现（一）(1.8版本).abc [119.7M]
┃ ┃ ┣━━[12.3]–CycleGAN的代码实现（二）(1.8版本).abc [64.9M]
┃ ┃ ┣━━[12.5]–CycleGAN2.0创建图片输入管道.abc [44.7M]
┃ ┃ ┣━━[12.6]–实例标准化（InstanceNormalization）.abc [39.9M]
┃ ┃ ┣━━[12.7]–CycleGAN2.0生成器（一）.abc [87.6M]
┃ ┃ ┣━━[12.8]–CycleGAN2.0生成器（二）.abc [36.9M]
┃ ┃ ┗━━[12.9]–CycleGAN2.0判别器.abc [98.3M]
┃ ┣━━{13}–文本生成图片（TexttoImage） [380M]
┃ ┃ ┣━━[13.1]–TexttoImage原理与模型设计.abc [29.2M]
┃ ┃ ┣━━[13.2]–使用免费GPU加速训练.abc [55.8M]
┃ ┃ ┣━━[13.3]–TexttoImage代码实现的关键点.abc [46.5M]
┃ ┃ ┣━━[13.4]–代码讲解-处理训练数据(1.8版本).abc [36M]
┃ ┃ ┣━━[13.5]–代码讲解-图片处理与输入(1.8版本).abc [32.2M]
┃ ┃ ┣━━[13.6]–代码讲解-文本向量化(1.8版本).abc [38.3M]
┃ ┃ ┣━━[13.7]–代码讲解-RNN循环神经网络提取文本信息(1.8版本).abc [28.1M]
┃ ┃ ┣━━[13.8]–代码讲解-生成器、判别器和损失函数(1.8版本).abc [31.3M]
┃ ┃ ┗━━[13.9]–代码讲解-优化函数和训练网络(1.8版本).abc [82.5M]
┃ ┣━━{14}–附：1.8版本的Tensorflow学习基础 [108.2M]
┃ ┃ ┣━━[14.1]–tf.layers模块-全连接层和卷积层的实现(1.8版本).abc [57.4M]
┃ ┃ ┗━━[14.2]–tf.layers模块-反卷积和批标准化(1.8版本).abc [50.7M]
┗━━00.资料.zip [7.3G]

admin网站管理

收藏 海报 链接