使用Python学习深度学习教程完整的离线指南
深度学习极大地促进了已经迅速发展的计算机视觉领域。随着深度学习的发展，计算机视觉技术的许多新应用已被引入，现在已成为我们日常生活的一部分。其中包括自动驾驶汽车中的面部识别和索引，照片造型或机器视觉。
该应用程序的目标是从基础知识开始，向深度学习爱好者介绍计算机视觉，然后转向更现代的深度学习模型。面向计算机视觉应用程序的深度学习将涵盖图像和视频识别，包括图像分类和注释，对象识别和图像搜索，各种对象检测技术，运动估计，视频中的对象跟踪，人类动作识别，以及最终的图像样式化，编辑和新的图像生成。在课程项目中，学生将学习如何构建人脸识别和操纵系统，以了解该技术的内部机制，这可能是最知名的，并且经常在电影和电视节目中以计算机视觉和AI为例进行演示。
主要主题：
✔什么是深度学习？
✔图像基础。
✔图像分类基础。
✔图像分类的数据集。
✔配置您的开发环境
✔创建第一个图像分类器。
✔参数化学习
✔优化方法和正则化。
✔神经网络基础知识。
✔卷积神经网络。
✔训练您的第一个CNN。
✔保存和加载模型
✔LeNet：识别手写数字。
✔MiniVGGNet：深入研究CNN
✔学习率调度器。
✔发现不足和过度拟合。
✔检查点模型。
✔可视化网络体系结构。
✔计算机视觉概念和实践示例
✔开箱即用的CNN进行分类。
✔Python编程核心主题。
✔数据科学主题Python代码示例。
✔带有代码示例的机器学习。