0基础 AI入门实战(深度学习+Pytorch)

课程信息

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 89.30M
├── 002-1-神经网络要完成的任务分析.mp4 33.97M
├── 003-2-模型更新方法解读.mp4 21.63M
├── 004-3-损失函数计算方法.mp4 28.57M
├── 005-4-前向传播流程解读.mp4 22.56M
├── 006-5-反向传播演示.mp4 22.66M
├── 007-6-神经网络整体架构详细拆解.mp4 43.76M
├── 008-7-神经网络效果可视化分析.mp4 61.31M
├── 009-8-神经元个数的作用.mp4 22.59M
├── 010-9-预处理与dropout的作用.mp4 32.22M
├── 011-1-卷积神经网络概述分析.mp4 40.19M
├── 012-2-卷积要完成的任务解读.mp4 27.94M
├── 013-3-卷积计算详细流程演示.mp4 59.98M
├── 014-4-层次结构的作用.mp4 20.90M
├── 015-5-参数共享的作用.mp4 20.04M
├── 016-6-池化层的作用与效果.mp4 33.28M
├── 017-7-整体网络结构架构分析.mp4 46.17M
├── 018-8-经典网络架构概述.mp4 44.49M
├── 019-1-RNN网络结构原理与问题.mp4 17.37M
├── 020-2-注意力结构历史故事介绍.mp4 32.15M
├── 021-3-self-attention要解决的问题.mp4 26.50M
├── 022-4-QKV的来源与作用.mp4 27.32M
├── 023-5-多头注意力机制的效果.mp4 29.07M
├── 024-6-位置编码与解码器.mp4 28.88M
├── 025-7-整体架构总结.mp4 26.54M
├── 026-8-BERT训练方式分析.mp4 19.06M
├── 027-1-PyTorch框架与其他框架区别分析.mp4 33.67M
├── 028-2-CPU与GPU版本安装方法解读.mp4 78.84M
├── 029-1-数据集与任务概述.mp4 39.06M
├── 030-2-基本模块应用测试.mp4 40.36M
├── 031-3-网络结构定义方法.mp4 51.04M
├── 032-4-数据源定义简介.mp4 33.32M
├── 033-5-损失与训练模块分析.mp4 35.74M
├── 034-6-训练一个基本的分类模型.mp4 44.08M
├── 035-7-参数对结果的影响.mp4 42.79M
├── 036-1-任务与数据集解读.mp4 34.34M
├── 037-2-参数初始化操作解读.mp4 39.52M
├── 038-3-训练流程实例.mp4 40.51M
├── 039-4-模型学习与预测.mp4 53.96M
├── 040-1-输入特征通道分析.mp4 38.90M
├── 041-2-卷积网络参数解读.mp4 28.27M
├── 042-3-卷积网络模型训练.mp4 49.51M
├── 043-1-任务分析与图像数据基本处理.mp4 36.60M
├── 044-2-数据增强模块.mp4 39.06M
├── 045-3-数据集与模型选择.mp4 36.18M
├── 046-4-迁移学习方法解读.mp4 42.47M
├── 047-5-输出层与梯度设置.mp4 53.80M
├── 048-6-输出类别个数修改.mp4 43.77M
├── 049-7-优化器与学习率衰减.mp4 44.11M
├── 050-8-模型训练方法.mp4 44.56M
├── 051-9-重新训练全部模型.mp4 41.78M
├── 052-10-测试结果演示分析.mp4 99.73M
├── 053-4-实用Dataloader加载数据并训练模型.mp4 58.27M
├── 054-1-Dataloader要完成的任务分析.mp4 28.63M
├── 055-2-图像数据与标签路径处理.mp4 42.04M
├── 056-3-Dataloader中需要实现的方法分析.mp4 43.40M
├── 057-1-数据集与任务目标分析.mp4 41.96M
├── 058-2-文本数据处理基本流程分析.mp4 52.02M
├── 059-3-命令行参数与DEBUG.mp4 32.80M
├── 060-4-训练模型所需基本配置参数分析.mp4 38.21M
├── 061-5-预料表与字符切分.mp4 30.05M
├── 062-6-字符预处理转换ID.mp4 32.17M
├── 063-7-LSTM网络结构基本定义.mp4 31.71M
├── 064-8-网络模型预测结果输出.mp4 35.63M
├── 065-9-模型训练任务与总结.mp4 40.98M
├── 066-1-基本结构与训练好的模型加载.mp4 18.97M
├── 067-2-服务端处理与预测函数.mp4 40.03M
├── 068-3-基于Flask测试模型预测结果.mp4 40.69M
├── 069-1-视觉transformer要完成的任务解读.mp4 30.20M
├── 070-1-项目源码准备.mp4 41.74M
├── 071-2-源码DEBUG演示.mp4 31.47M
├── 072-3-Embedding模块实现方法.mp4 42.08M
├── 073-4-分块要完成的任务.mp4 34.79M
├── 074-5-QKV计算方法.mp4 39.92M
├── 075-6-特征加权分配.mp4 39.65M
├── 076-7-完成前向传播.mp4 36.92M
└── 077-8-损失计算与训练.mp4 45.44M