零基础AI入门实战深度学习Pytorch 通俗易懂零基础入门案例实战跨专业提升

零基础AI入门实战深度学习+Pytorch 通俗易懂零基础入门案例实战跨专业提升

077-8-损失计算与训练 .mp4 287.9MB

076-7-完成前向传播 .mp4 205.6MB

075-6-特征加权分配 .mp4 39.2MB

074-5-QKV计算方法 .mp4 197.5MB

073-4-分块要完成的任务 .mp4 34.8MB

072-3-Embedding模块实现方法 .mp4 42.2MB

071-2-源码DEBUG演示 .mp4 186.3MB

070-1-项目源码准备 .mp4 42.7MB

069-1-视觉transformer要完成的任务解读 .mp4 208.3MB

068-3-基于Flask测试模型预测结果 .mp4 40.0MB

067-2-服务端处理与预测函数 .mp4 188.8MB

066-1-基本结构与训练好的模型加载 .mp4 19.1MB

065-9-模型训练任务与总结 .mp4 41.3MB

064-8-网络模型预测结果输出 .mp4 35.7MB

063-7-LSTM网络结构基本定义 .mp4 161.5MB

062-6-字符预处理转换ID .mp4 30.9MB

061-5-预料表与字符切分 .mp4 29.1MB

060-4-训练模型所需基本配置参数分析 .mp4 206.8MB

059-3-命令行参数与DEBUG .mp4 32.2MB

058-2-文本数据处理基本流程分析 .mp4 50.5MB

057-1-数据集与任务目标分析 .mp4 225.8MB

056-3-Dataloader中需要实现的方法分析 .mp4 42.7MB

055-2-图像数据与标签路径处理 .mp4 42.0MB

054-1-Dataloader要完成的任务分析 .mp4 30.7MB

053-4-实用Dataloader加载数据并训练模型 .mp4 58.8MB

052-10-测试结果演示分析 .mp4 288.7MB

051-9-重新训练全部模型 .mp4 43.1MB

050-8-模型训练方法 .mp4 42.3MB

049-7-优化器与学习率衰减 .mp4 42.2MB

048-6-输出类别个数修改 .mp4 229.7MB

047-5-输出层与梯度设置 .mp4 50.4MB

046-4-迁移学习方法解读 .mp4 36.4MB

045-3-数据集与模型选择 .mp4 37.9MB

044-2-数据增强模块 .mp4 37.5MB

043-1-任务分析与图像数据基本处理 .mp4 36.9MB

042-3-卷积网络模型训练 .mp4 194.5MB

041-2-卷积网络参数解读 .mp4 28.2MB

040-1-输入特征通道分析 .mp4 38.4MB

039-4-模型学习与预测 .mp4 52.5MB

038-3-训练流程实例 .mp4 38.8MB

037-2-参数初始化操作解读.mp4 213.2MB

036-1-任务与数据集解读.mp4 33.6MB

035-7-参数对结果的影响.mp4 39.8MB

034-6-训练一个基本的分类模型.mp4 42.9MB

033-5-损失与训练模块分析.mp4 35.5MB

032-4-数据源定义简介.mp4 158.3MB

031-3-网络结构定义方法.mp4 201.5MB

030-2-基本模块应用测试.mp4 201.1MB

029-1-数据集与任务概述.mp4 187.2MB

028-2-CPU与GPU版本安装方法解读.mp4 284.4MB

027-1-PyTorch框架与其他框架区别分析.mp4 235.4MB

026-8-BERT训练方式分析.mp4 140.2MB

025-7-整体架构总结.mp4 186.8MB

024-6-位置编码与解码器.mp4 203.8MB

023-5-多头注意力机制的效果.mp4 166.4MB

022-4-QKV的来源与作用.mp4 152.0MB

021-3-self-attention要解决的问题.mp4 198.3MB

020-2-注意力结构历史故事介绍.mp4 184.2MB

019-1-RNN网络结构原理与问题.mp4 141.0MB

018-8-经典网络架构概述.mp4 241.0MB

017-7-整体网络结构架构分析.mp4 239.5MB

016-6-池化层的作用与效果.mp4 187.1MB

015-5-参数共享的作用.mp4 144.0MB

014-4-层次结构的作用.mp4 162.0MB

013-3-卷积计算详细流程演示.mp4 316.6MB

012-2-卷积要完成的任务解读.mp4 212.0MB

011-1-卷积神经网络概述分析.mp4 156.3MB

010-9-预处理与dropout的作用.mp4 227.3MB

009-8-神经元个数的作用.mp4 146.8MB

008-7-神经网络效果可视化分析.mp4 260.9MB

007-6-神经网络整体架构详细拆解副业分享 ..mp4 314.0MB

006-5-反向传播演示.mp4 160.2MB

005-4-前向传播流程解读.mp4 162.1MB

004-3-损失函数计算方法.mp4 195.7MB

003-2-模型更新方法解读.mp4 167.6MB

002-1-神经网络要完成的任务分析.mp4 234.1MB

001-课程介绍.mp4 112.7MB