课程介绍

基于深度学习框架Pytorch的验证码识别。相对于传统识别方法来说，更简单，更高效。学完本课程，将能够独立进行验证码识别项目开发。本课程主要实战内容：不定长验证码的识别、滑块缺口的识别、图标点击识别、文字点击识别、手势验证码识别等。

课程目标

掌握验证码识别技术，提升爬虫工程师能力

适合人群

对机器学习及其实际应用感兴趣的同学
具有计算机科学基础背景，并希望专注于机器学习的同学
急需提升反爬对抗能力的爬虫工程师
希望可以学会机器学习相关技能、从而转到相关行业的同学

课程目录

0.课程介绍.mp4
1.PytorchGPU环境配置.mp4
2.PyCharm的安装与配置.mp4
3.Python基础(变量与数据类型).mp4
4.Python基础(输出与输入).mp4
5.Python基础(运算符).mp4
6.Python基础(条件语句).mp4
7.Python基础(循环).mp4
8.Python基础(字符串).mp4
9.Python基础(列表).mp4
10.Python基础(列表的方法).mp4
11.Python基础(元组).mp4
12.Python基础(字典).mp4
13.Python基础(集合).mp4
14.Python基础(公共操作).mp4
15.Python基础(推导式).mp4
16.Python基础(函数).mp4
17.Python基础(lambda).mp4
18.Python基础(文件操作).mp4
19.Python基础(面向对象1) .mp4
20.Python基础(面向对象2).mp4
21.Python基础(面向对象3).mp4
22.Python基础(模块和包).mp4
23.Pytorch基础(tensor的创建和数据类型).mp4
24.Pytorch基础(tensor的方法).mp4
25.Pytorch基础(tensor的切片).mp4
26.Pytorch基础(使用GPU运算).mp4
27.Pytorch基础(数据加载).mp4
28.Pytorch基础(图像预处理).mp4
29.Pytorch基础(全连接层详解).mp4
30.Pytorch基础(网络模型的搭建).mp4
31.Pytorch基础(onehot编码).mp4
32.Pytorch基础(损失函数的使用).mp4
33.Pytorch基础(交叉熵损失详解).mp4
34.Pytorch基础(softmax详解).mp4
35.Pytorch基础(模型的训练和保存).mp4
36.Pytorch基础(模型的评估).mp4
37.手写数字识别(FC).mp4
38.Pytorch基础(卷积网络详解1).mp4
39.Pytorch基础(卷积网络详解2).mp4
40.Pytorch基础(nn.Conv2d).mp4
41.手写数字识别(CNN).mp4
42.Pytorch基础(nn.LSTM).mp4
43.手写数字识别(LSTM).mp4
44.经典神经网络介绍.mp4
45.cifar10识别(ResNet18).mp4
46.ResNet网络细节.mp4
47.不定长验证码识别(自定义Dataset1).mp4
48.不定长验证码识别(自定义Dataset2).mp4
49.(加餐)不定长验证码识别(单张验证码识别).mp4
50.不定长验证码识别(主干特征提取网络的构建).mp4
51.不定长验证码识别(LSTM的构建).mp4
52.不定长验证码识别(CTCLoss详解).mp4
53.不定长验证码识别(模型的测试).mp4
54.常见目标检测网络介绍.mp4
55.VOC数据集格式介绍.mp4
56.目标检测数据集标注.mp4
57.滑块缺口识别.mp4
58.图标点击识别.mp4
59.文字点击识别.mp4
60.手势验证码数据集标注.mp4
61.手势验证码识别.mp4
62.手势验证码骨架提取.mp4
63.本地服务部署.mp4