唐宇迪《AI深度学习Pytorch》|001-课程介绍公.众.号 密知圈

唐宇迪《AI深度学习+Pytorch》

001-课程介绍公.众.号 密知圈.mp4 89.3MB

002-1-神经网络要完成的任务分析公.众.号 密知圈.mp4 33.9MB

003-2-模型更新方法解读公.众.号 密知圈.mp4 21.6MB

004-3-损失函数计算方法公.众.号 密知圈.mp4 28.6MB

005-4-前向传播流程解读公.众.号 密知圈.mp4 22.5MB

006-5-反向传播演示公.众.号 密知圈.mp4 22.6MB

007-6-神经网络整体架构详细拆解公.众.号 密知圈.mp4 43.7MB

008-7-神经网络效果可视化分析公.众.号 密知圈.mp4 61.2MB

009-8-神经元个数的作用公.众.号 密知圈.mp4 22.6MB

010-9-预处理与dropout的作用公.众.号 密知圈.mp4 32.2MB

011-1-卷积神经网络概述分析公.众.号 密知圈.mp4 39.9MB

012-2-卷积要完成的任务解读公.众.号 密知圈.mp4 27.9MB

013-3-卷积计算详细流程演示公.众.号 密知圈.mp4 60.0MB

014-4-层次结构的作用公.众.号 密知圈.mp4 20.8MB

015-5-参数共享的作用公.众.号 密知圈.mp4 19.5MB

016-6-池化层的作用与效果公.众.号 密知圈.mp4 32.5MB

017-7-整体网络结构架构分析公.众.号 密知圈.mp4 45.8MB

018-8-经典网络架构概述公.众.号 密知圈.mp4 45.2MB

019-1-RNN网络结构原理与问题公.众.号 密知圈.mp4 17.1MB

020-2-注意力结构历史故事介绍公.众.号 密知圈.mp4 32.2MB

021-3-self-attention要解决的问题公.众.号 密知圈.mp4 26.4MB

022-4-QKV的来源与作用公.众.号 密知圈.mp4 27.3MB

023-5-多头注意力机制的效果公.众.号 密知圈.mp4 28.6MB

024-6-位置编码与解码器公.众.号 密知圈.mp4 28.3MB

025-7-整体架构总结公.众.号 密知圈.mp4 26.5MB

026-8-BERT训练方式分析公.众.号 密知圈.mp4 18.9MB

027-1-PyTorch框架与其他框架区别分析公.众.号 密知圈.mp4 32.8MB

028-2-CPU与GPU版本安装方法解读公.众.号 密知圈.mp4 74.5MB

029-1-数据集与任务概述公.众.号 密知圈.mp4 38.3MB

030-2-基本模块应用测试公.众.号 密知圈.mp4 40.5MB

031-3-网络结构定义方法公.众.号 密知圈.mp4 47.5MB

032-4-数据源定义简介公.众.号 密知圈.mp4 32.6MB

033-5-损失与训练模块分析公.众.号 密知圈.mp4 35.5MB

034-6-训练一个基本的分类模型公.众.号 密知圈.mp4 42.9MB

035-7-参数对结果的影响公.众.号 密知圈.mp4 39.8MB

036-1-任务与数据集解读公.众.号 密知圈.mp4 33.6MB

037-2-参数初始化操作解读公.众.号 密知圈.mp4 40.1MB

038-3-训练流程实例公.众.号 密知圈.mp4 38.8MB

039-4-模型学习与预测公.众.号 密知圈.mp4 52.5MB

040-1-输入特征通道分析公.众.号 密知圈.mp4 38.4MB

041-2-卷积网络参数解读公.众.号 密知圈.mp4 28.2MB

042-3-卷积网络模型训练公.众.号 密知圈.mp4 44.7MB

043-1-任务分析与图像数据基本处理公.众.号 密知圈.mp4 36.9MB

044-2-数据增强模块公.众.号 密知圈.mp4 37.5MB

045-3-数据集与模型选择公.众.号 密知圈.mp4 37.9MB

046-4-迁移学习方法解读公.众.号 密知圈.mp4 36.4MB

047-5-输出层与梯度设置公.众.号 密知圈.mp4 50.4MB

048-6-输出类别个数修改公.众.号 密知圈.mp4 41.3MB

049-7-优化器与学习率衰减公.众.号 密知圈.mp4 42.2MB

050-8-模型训练方法公.众.号 密知圈.mp4 42.3MB

051-9-重新训练全部模型公.众.号 密知圈.mp4 43.1MB

052-10-测试结果演示分析公.众.号 密知圈.mp4 89.3MB

053-4-实用Dataloader加载数据并训练模型公.众.号 密知圈.mp4 58.8MB

054-1-Dataloader要完成的任务分析公.众.号 密知圈.mp4 30.7MB

055-2-图像数据与标签路径处理公.众.号 密知圈.mp4 42.0MB

056-3-Dataloader中需要实现的方法分析公.众.号 密知圈.mp4 42.7MB

057-1-数据集与任务目标分析公.众.号 密知圈.mp4 35.4MB

058-2-文本数据处理基本流程分析公.众.号 密知圈.mp4 50.5MB

059-3-命令行参数与DEBUG公.众.号 密知圈.mp4 32.2MB

060-4-训练模型所需基本配置参数分析公.众.号 密知圈.mp4 37.9MB

061-5-预料表与字符切分公.众.号 密知圈.mp4 29.1MB

062-6-字符预处理转换ID公.众.号 密知圈.mp4 30.9MB

063-7-LSTM网络结构基本定义公.众.号 密知圈.mp4 31.9MB

064-8-网络模型预测结果输出公.众.号 密知圈.mp4 35.7MB

065-9-模型训练任务与总结公.众.号 密知圈.mp4 41.3MB

066-1-基本结构与训练好的模型加载公.众.号 密知圈.mp4 19.1MB

067-2-服务端处理与预测函数公.众.号 密知圈.mp4 39.0MB

068-3-基于Flask测试模型预测结果公.众.号 密知圈.mp4 40.0MB

069-1-视觉transformer要完成的任务解读公.众.号 密知圈.mp4 30.1MB

070-1-项目源码准备公.众.号 密知圈.mp4 42.7MB

071-2-源码DEBUG演示公.众.号 密知圈.mp4 31.7MB

072-3-Embedding模块实现方法公.众.号 密知圈.mp4 42.2MB

073-4-分块要完成的任务公.众.号 密知圈.mp4 34.8MB

074-5-QKV计算方法公.众.号 密知圈.mp4 39.4MB

075-6-特征加权分配公.众.号 密知圈.mp4 39.2MB

076-7-完成前向传播公.众.号 密知圈.mp4 35.6MB

077-8-损失计算与训练公.众.号 密知圈.mp4 44.4MB

1774968350353.png 0.5MB