课程介绍：
快速掌握Django Web框架的使用和CNN模型实现图像识别及应用

简介：
本课程基于Django Web框架搭建CNN模型实现图像识别。首先介绍了Django Web框架的基础知识，具体包括Django工程创建的步骤、文件上传和图片上传的实现方法。然后介绍了卷积神经网络（CNN）的基本原理和经典CNN模型的网络结构。最后基于Django框架部署汽车分类模型。

课程目录：
1 文本应用程序处理流程.mp4
2 Web应用程序处理流程.mp4
3 MVC模式.mp4
4 MVT模式.mp4
5 虚拟环境virtualenv的安装.mp4
6 虚拟环境virtualenv的激活.mp4
7 Django项目的启动.mp4
8 Django的工程目录.mp4
9 VSCODE开发工具的配置.mp4
10 Django框架的模板.mp4
11 Django的第一个入门案例.mp4
12 Django搭建图书管理项目.mp4
13 Django图书管理的实现.mp4
14 Django静态资源的配置.mp4
15 Django中CSS样式的实现.mp4
16 使用模板加载静态资源.mp4
17 Django创建的项目整体流程.mp4
18 Django创建文件上传工程.mp4
19 主页面的创建.mp4
20 单文件上传的实现.mp4
21 异常信息的处理.mp4
22 创建多文件上传页面.mp4
23 多文件上传的具体实现.mp4
24 多文件上传的视图控制器.mp4
25 图片上传的实现（一）.mp4
26 图片上传的实现（二）.mp4
27 卷积神将网络的基础.mp4
28 卷积神经网路的组成.mp4
29 卷积神经网络的计算过程.mp4
30 CNN手写数字识别的模型训练和评价.mp4
31 CNN手写数字识别网络搭建.mp4
32 CNN手写数网络结构修改的方法.mp4
33 CNN实现二分类模型的训练.mp4
34 CNN实现二分类模型的预测.mp4
35 Django汽车分类项目的创建.mp4
36 Django项目的启动 (1).mp4
37 Django页面的创建和跳转.mp4
38 Django部署汽车分类项目.mp4
39 登录界面的添加.mp4
40 AlextNet和ResNet实现汽车分类模型.mp4
课程配套资料.zip