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
│ │ 02_深度学习介绍
│ │ 03_深度学习介绍2
│ │
│ ├─2.神经网络基础
│ │ 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
│ │
│ ├─3.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
│ │
│ └─4.深层神经网络
│ 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
│ ├─1.多分类
│ │ 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
│ │
│ ├─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
│ │ 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
│ │
│ ├─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
│ │ 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
│ │
│ └─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
│ 02_批标准化定义、公式、为什么有效
│
├─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
│ │ 02_卷积网络结构介绍
│ │ 03_默认卷积的运算过程
│ │ 04_零填充
│ │ 05_过滤器大小与步长
│ │ 06_多通道的卷积与多卷积核
│ │ 07_卷积总结
│ │ 08_池化层
│ │ 09_全连接层
│ │
│ ├─2.经典分类结构
│ │ 01_LeNet5的计算过程详解
│ │ 02_常见网络结构介绍
│ │ 03_Inception(1×1卷积介绍）
│ │ 04_Inception结构以及改进
│ │ 05_GoogleNet了解与卷积网络学习内容
│ │
│ └─3.CNN实战
│ 01_作业介绍
│ 02_作业讲解
│ 03_迁移学习
│
├─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
│ │ 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
│ │
│ ├─2.词嵌入
│ │ 01_词嵌入介绍
│ │ 02_词嵌入案例
│ │
│ └─3.seq2seq与Attention机制
│ 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.生产对抗网络
│ │ 01_高级主题介绍、GAN介绍
│ │ 02_GAN原理、损失和DCGAN结构
│ │ 03_生成数字图片案例：结果演示流程介绍
│ │ 04_生成数字图片案例：模型初始化代码编写
│ │ 05_生成数字图片案例：训练流程
│ │ 06_生成数字图片案例：运行保存图片并对比
│ │
│ ├─2.自动编码器
│ │ 01_自动编码器介绍
│ │ 02_案例：编码器类别、普通自编码器流程、模型初始化逻辑
│ │ 03_案例：训练普通自编码器
│ │ 04_案例：深度自编码器编写演示
│ │ 05_案例：卷积自编码器编写演示
│ │ 06_案例：降噪编码器介绍
│ │ 07_案例：降噪编码器案例
│ │
│ └─3.CapsuleNet
│ 01_CapsuleNet了解
│ 02_深度学习课程总结
│
├─1-6 百度人脸识别
│ ├─1.平台介绍
│ │ 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.图像技术之人脸识别
│ │ 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
│ │
│ ├─3.图像技术之图像识别
│ │ 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_图像分类_步骤
│ │ 2_2_5_定制化图像识别_特点和功能
│ │ 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
│ │
│ ├─4.图像技术之文字识别
│ │ 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
│ │
│ ├─5.语音技术
│ │ 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
│ │
│ ├─6.自然语言处理
│ │ 4_1_1_自然语言处理基础技术
│ │
│ └─7.人脸识别打卡案例
│ 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
│ ├─1.自然语言处理基础概念
│ │ 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
│ │
│ ├─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
│ │ 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
│ │
│ ├─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
│ │ 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
│ │
│ ├─4.自然语言处理核心部分
│ │ 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
│ │
│ └─5.实战项目-从无到有打造聊天机器人
│ 00. 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
│ ├─1.目标检测概述
│ │ 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
│ │
│ ├─2.RCNN原理
│ │ 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
│ │
│ ├─3.SPPNet原理
│ │ 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
│ │
│ ├─4.FastRCNN原理
│ │ 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
│ │
│ ├─5.FasterRCNN原理
│ │ 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
│ │
│ ├─6.YOLO原理
│ │ 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
│ │
│ └─7.SSD原理
│ 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.数据集标记
│ │ 01_目标检测数据集介绍
│ │ 02_商品数据集标记
│ │
│ ├─2.数据集格式转换
│ │ 01_数据集格式转换介绍
│ │ 02_格式转换：代码介绍
│ │ 03_格式转换：文件读取以及存储逻辑
│ │ 04_格式转换：图片数据以及XML读取
│ │ 05_格式转换：example封装、总结
│ │
│ └─3.TFRecords读取
│ 01_slim库介绍
│ 02_TFRecord读取：Dataset准备
│ 03_TFRecord读取：provider读取
│ 04_第二阶段总结
│
└─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
│ 02_训练与测试整体结构设计
│
├─10.TFServing客户端
│ 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
│
├─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
│ 02_项目总结
│
├─2.数据接口实现
│ 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
│
├─3.模型接口实现
│ 01_模型接口：接口设置以及模型工厂代码
│
├─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
│ 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
│
├─5.训练过程实现
│ 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
│
├─6.测试过程实现
│ 01_测试：测试流程介绍、代码
│ 02_测试：图片输入、结果标记代码
│
├─7.模型部署介绍
│ 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
│
├─8.导出模型
│ 01_模型导出：模型输入输出定义
│ 02_模型导出：Savedmodel导出模型
│
└─9.打开模型服务
01_开启模型服务
