声明：本网站所有内容均为资源介绍学习参考，如有侵权请联系后删除
章节1:预备内容（入门）
课时1视频【免费视频】你的入门学习指南07:31可
课时2文本【免费图文】入行AI为什么系统学习数学知识的最终放弃—7个建议可
课时3文本【免费图文】入行人工智能为什么不需要系统学习Python知识可
课时4文本【免费图文】为什么从深度学习入行人工智能最快可
课时5视频【免费视频】深度学习概论14:53可
课时6视频【免费视频】代码版本控制和托管平台GitHub简介04:18可
课时7文本【免费图文】深度学习环境安装和配置可
章节2:Python基础（入门）
课时8文本【免费图文】Python环境安装可
课时9视频【免费视频】Python基础12:30可
课时10文本【代码】详解Python及代码下载（见附件）
章节3:PyTorch基础（入门）
课时11文本【图文】PyTorch简介
课时12视频【视频】PyTorch基础1-简介及Tensor14:04
课时13视频【视频】PyTorch基础2-Variable和自动求导07:40
课时14文本【代码】Tensor和Variable代码详解及下载（见附件）
课时15文本【代码】自动求导代码详解及下载（见附件）
课时16文本【代码】动态图代码详解及下载（见附件）
章节4:神经网络（进阶）
课时17视频【视频】神经网络1-线性模型、梯度下降及框架实现12:43
课时18文本【图文】线性模型和梯度下降
课时19文本【代码】线性模型和梯度下降代码详解及下载（见附件）
课时20视频【视频】神经网络2-Logistic回归11:43可
课时21文本【图文】Logistic回归
课时22文本【代码】logistic回归代码详解及下载（见附件）
课时23视频【视频】神经网络3-多层神经网络11:30
课时24文本【图文】多层神经网络可
课时25文本【代码】多层神经网络代码详解及下载（见附件）
课时26视频【视频】神经网络4-多分类问题及深层神经网络09:06
课时27文本【图文】多分类问题及深层神经网络
课时28文本【代码】深层神经网络代码详解及下载（见资料）
课时29视频【视频】神经网络5-反向传播算法09:45
课时30文本【图文】反向传播算法
课时31文本【图文】优化算法介绍
课时32文本【图文】优化算法变式
课时33文本【代码】参数初始化代码详解及下载（见附件）
课时34文本【代码】优化算法1-梯度下降法代码详解（下载见附件）
课时35文本【代码】优化算法2-动量法代码详解（下载见附件）
课时36文本【代码】优化算法3-Adagrad代码详解（下载见附件）
课时37文本【代码】优化算法4-RMSProp代码详解（下载见附件）
课时38文本【代码】优化算法5-Adadelta代码详解（下载见附件）
课时39文本【代码】优化算法6-Adam代码详解（下载见附件）
课时40文本【实战项目1】使用神经网络预测房价（数据集附件下载）
章节5:卷积神经网络（进阶）
课时41视频【视频】卷积神经网络1-背景及应用04:16
课时42视频【视频】卷积神经网络2-卷积神经网络基础14:54
课时43视频【视频】卷积神经网络3-Pytorch实现05:18
课时44文本【图文】卷积神经网络
课时45文本【代码】卷积和池化的框架实现代码详解（下载见附件）
课时46文本【图文】数据预处理与批标准化
课时47文本【图文】经典卷积神经网络
课时48视频【视频】经典卷积神经网络-AlexNet07:36
课时49文本【代码】AlexNet代码详解（下载见附件）
课时50视频【视频】经典卷积神经网络-VGG05:07
课时51文本【代码】VGG代码详解（下载见附件）
课时52视频【视频】经典卷积神经网络-GoogLeNet07:24
课时53文本【代码】GoogLeNet代码详解（下载见附件）
课时54视频【视频】经典卷积神经网络-ResNet09:06
课时55文本【代码】ResNet代码详解（下载见附件）
课时56视频【视频】经典卷积神经网络-DenseNet06:26
课时57文本【代码】DenseNet代码详解（下载见附件）
课时58视频【视频】卷积神经网络-训练技巧15:20
课时59文本【图文】训练卷积神经网络
课时60文本【代码】数据增强代码详解（下载见附件）
课时61文本【代码】数据读取代码详解（下载见附件）
课时62文本【代码】微调进行迁移学习代码详解（下载见附件）
课时63文本【代码】学习率下降代码详解（下载见附件）
课时64文本【代码】批标准化代码详解（下载见附件）
课时65文本【代码】正则化代码详解（下载见附件）
课时66文本【代码】Tensorboard代码详解（下载见附件）
课时67文本【实战项目2】驾驶员状态监测（数据集见附件）
章节6:循环神经网络（进阶）
课时68视频【视频】循环神经网络1-循环神经网络基础09:38
课时69文本【图文/代码】循环神经网络基础（代码详解及下载见附件）
课时70视频【视频】循环神经网络2-循环神经网络的应用10:10
课时71文本【图文/代码】循环神经网络应用（代码详解及下载见附件）
课时72文本【代码】RNN PyTorch实现代码详解（下载见附件）
课时73文本【代码】RNN图像分类的应用代码详解（下载见附件）
课时74文本【代码】RNN时间序列应用代码详解（下载见附件）
课时75文本【代码】RNN词嵌入代码详解（下载见附件）
课时76文本【代码】RNN N-Gram代码详解（下载见附件）
课时77文本【代码】RNN LSTM代码详解（下载见附件）
课时78文本【实战项目3】通过RNN创作古诗（数据集见附件）
章节7:生成对抗网络GAN（进阶）
课时79视频【视频】生成对抗网络1-自动编码器07:49
课时80视频【视频】生成对抗网络2-变分自动编码器05:55
课时81视频【视频】生成对抗网络3-生成对抗网络08:43
课时82文本【图文】生成对抗网络
课时83文本【代码】自动编码器代码详解（下载见附件）
课时84文本【代码】变分自动编码器代码详解（下载见附件）
课时85文本【代码】生成对抗网络代码详解（下载见附件）
课时86文本【实战项目4】生成对抗网络生成人脸（数据集见附件）
章节8:强化学习（进阶）
课时87视频【视频】强化学习12:12
课时88文本【图文】强化学习
课时89文本【代码】q Learning代码详解及下载（附件）
课时90文本【代码】深度Q网络代码详解及下载（附件）
章节9:毕业项目
课时91文本【实战项目5】毕业项目