深度学习实践：基于caffe的解析

帮助学员使用和修改caffe框架的代码，熟悉学习caffe工程实践中的应用技能。Caffe是当前深度学习主流开源框架之一,2013年由加州大学伯克利分校的贾扬清博士发布。Caffe框架以“层”为单位对深度神经网络的结构进行了高度的抽象，框架设计显著优化了执行效率，并且在高效实现的基础上不失灵活性，在结构、性能和代码质量上都是一款十分出色的开源框架。Caffe框架的发布，极大地降低了深度学习研究和开发的难度，在学术界和工业界得到了广泛的认可，每天都有以Caffe框架作为底层实现的研究成果发布，工业界已有很多产品使用Caffe作为其深度学习算法实现的内核。

本课程是由深度学习图像算法工程师，结合自己多年学习深度学习技术的切身体验，以一个工程师的视角，从实际应用为出发点，以代码实践为主，理论为辅进行讲解，帮助学员轻松学习、使用并修改caffe框架的代码。

课程是在windows环境进行教学，使用visual studio 2015和python3.7的eric6工具进行相关代码调试，大大降低了深度学习环境入门的门槛。

薛云峰，深度学习图像算法工程师，曾在中科院计算所、百度担任工程师，目前主要从事图像相关算法在产品落地中的工程架构以及算法优化工作。机械工业出版社《深度学习实践：基于caffe的解析》的作者。

课程注重实践应用，有cifar10的实践操作，caffe的网络结构及可视化，caffe代码导读、训练过程及调试，获取参数的内容和权重，多任务数据输入构建等，并有人脸识别和语义分割专题，帮助学员快速学习caffe实践应用的各种技术。

课程目录
1-1 caffe的编译.mp4
1-2 在caffe中使用Cifar10做实验.mp4
2-1 层定义.mp4
2-2 网络结构可视化网站.mp4
2-3 常用网络结构.mp4
3-1 caffe代码解读（1）.mp4
3-2 caffe代码解读（2）.mp4
3-3 caffe代码解读（3）.mp4
4-1 Caffe获取参数的内容和权重（1）.mp4
4-2 Caffe获取参数的内容和权重（2）.mp4
5-1 Caffe提取某一层的特征值（1）.mp4
5-2 Caffe提取某一层的特征值（2）.mp4
6-1 caffe代码调试（1）.mp4
6-2 caffe代码调试（2）.mp4
7-1 Caffe多任务数据输入构建（1）.mp4
7-2 Caffe多任务数据输入构建（2）.mp4
8-1 深度数据准备.mp4
9-1 深度目标检测基础.mp4
9-2 深度目标检测实践.mp4
10-1 人脸识别专题.mp4
11-1 传统图像分割算法.mp4
11-2 基于深度学习的图像分割.mp4
11-3 FCN图像分割.mp4
12-1 OpenPose人体姿态识别项目.mp4
12-2 OpenPose人体姿态识别项目及延展.mp4
12-3 风格迁移及神经网络–项目应用.mp4