0基础 AI入门实战(深度学习 Pytorch) 通俗易懂/0基础入门/案例实战/跨专业提升

课程目录

001-课程介绍.mp4

002-1-神经网络要完成的任务分析.mp4

003-2-模型更新方法解读.mp4

004-3-损失函数计算方法.mp4

005-4-前向传指流程解读.mp4

006-5-反向传指演示mp4

007-6-神经网络整体架构详细拆解.mp4

008-7-神经网络效果可视化分析.mp

009-8-神经元个数的作用.mp4

010-9-预处理与dropout的作用.mp4

011-1-卷积神经网络概述分析.mp4

012-2-卷积要完成的任务解读.mp4

013-3-卷积计算详细流程江示.mp4

014-4-层次结梅的作用.mp4

015-5-参数共享的作用.mp4

016-6-池化层的作用与数果.mp4

017-7-整体网络结构架构分析.mp4

018-8-经典网络架构概述mp4

019-1-RNN网络结构原理与问题mp4

020-2-注意力结构历史故事介绍.mp4

021-3-self-attention要解决的问题mg4

022-4-0KV的柔源与作用.mp4

023-5-多头注意力机制的数果.mp4

024-6-位置编码与解码器.mp4

025-7-整体架构总结.mp4

026-8-BERT训练方式分析.mg4

027-1-PyTorch框架与其他框架区别分析.mp4

028-2-CPU与GPU版本安装方法解读mp

029-1-数据集与任务概述.mp4

030-2-基本模块应用测试.mp4

031-3-网络结构定义方法.mp4

032-4-数据源定义简介.mp4

033-5-损实与训练模块分析.mp

034-6-训练一个基本的分类模型mp

035-7-参数对结果的影响.mp4

036-1-任务与数据集解读.mp4

037-2-参数初始化操作解读.m4

038-3-训练流程实例.mp4

039-4-模型学习与预测.mp4

040-1-输入特征通道分析.mp4

041-2-卷积网络参数解读.m4

042-3-卷积网络模型训练.mp4

……

资源文件列表：
├── 001-课程介绍.mp4
├── 002-1-神经网络要完成的任务分析.mp4
├── 003-2-模型更新方法解读.mp4
├── 004-3-损失函数计算方法.mp4
├── 005-4-前向传播流程解读.mp4
├── 006-5-反向传播演示.mp4
├── 007-6-神经网络整体架构详细拆解.mp4
├── 008-7-神经网络效果可视化分析.mp4
├── 009-8-神经元个数的作用.mp4
├── 010-9-预处理与dropout的作用.mp4
├── 011-1-卷积神经网络概述分析.mp4
├── 012-2-卷积要完成的任务解读.mp4
├── 013-3-卷积计算详细流程演示.mp4
├── 014-4-层次结构的作用.mp4
├── 015-5-参数共享的作用.mp4
├── 016-6-池化层的作用与效果.mp4
├── 017-7-整体网络结构架构分析.mp4
├── 018-8-经典网络架构概述.mp4
├── 019-1-RNN网络结构原理与问题.mp4
├── 020-2-注意力结构历史故事介绍.mp4
├── 021-3-self-attention要解决的问题.mp4
├── 022-4-QKV的来源与作用.mp4
├── 023-5-多头注意力机制的效果.mp4
├── 024-6-位置编码与解码器.mp4
├── 025-7-整体架构总结.mp4
├── 026-8-BERT训练方式分析.mp4
├── 027-1-PyTorch框架与其他框架区别分析.mp4
├── 028-2-CPU与GPU版本安装方法解读.mp4
├── 029-1-数据集与任务概述.mp4
├── 030-2-基本模块应用测试.mp4
├── 031-3-网络结构定义方法.mp4
├── 032-4-数据源定义简介.mp4
├── 033-5-损失与训练模块分析.mp4
├── 034-6-训练一个基本的分类模型.mp4
├── 035-7-参数对结果的影响.mp4
├── 036-1-任务与数据集解读.mp4
├── 037-2-参数初始化操作解读.mp4
├── 038-3-训练流程实例.mp4
├── 039-4-模型学习与预测.mp4
├── 040-1-输入特征通道分析.mp4
├── 041-2-卷积网络参数解读.mp4
├── 042-3-卷积网络模型训练.mp4
├── 043-1-任务分析与图像数据基本处理.mp4
├── 044-2-数据增强模块.mp4
├── 045-3-数据集与模型选择.mp4
├── 046-4-迁移学习方法解读.mp4
├── 047-5-输出层与梯度设置.mp4
├── 048-6-输出类别个数修改.mp4
├── 049-7-优化器与学习率衰减.mp4
├── 050-8-模型训练方法.mp4
├── 051-9-重新训练全部模型.mp4
├── 052-10-测试结果演示分析.mp4
├── 053-4-实用Dataloader加载数据并训练模型.mp4
├── 054-1-Dataloader要完成的任务分析.mp4
├── 055-2-图像数据与标签路径处理.mp4
├── 056-3-Dataloader中需要实现的方法分析.mp4
├── 057-1-数据集与任务目标分析.mp4
├── 058-2-文本数据处理基本流程分析.mp4
├── 059-3-命令行参数与DEBUG.mp4
├── 060-4-训练模型所需基本配置参数分析.mp4
├── 061-5-预料表与字符切分.mp4
├── 062-6-字符预处理转换ID.mp4
├── 063-7-LSTM网络结构基本定义.mp4
├── 064-8-网络模型预测结果输出.mp4
├── 065-9-模型训练任务与总结.mp4
├── 066-1-基本结构与训练好的模型加载.mp4
├── 067-2-服务端处理与预测函数.mp4
├── 068-3-基于Flask测试模型预测结果.mp4
├── 069-1-视觉transformer要完成的任务解读.mp4
├── 070-1-项目源码准备.mp4
├── 071-2-源码DEBUG演示.mp4
├── 072-3-Embedding模块实现方法.mp4
├── 073-4-分块要完成的任务.mp4
├── 074-5-QKV计算方法.mp4
├── 075-6-特征加权分配.mp4
├── 076-7-完成前向传播.mp4
└── 077-8-损失计算与训练.mp4

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。