0基础AI入门实践（深度学习+Pytorch）简单易懂/0基础入门/案例分析/跨专业提升

0个AI基础入门实践（深度学习+Pytorch）通俗易懂/0个基础入门/案例练习/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-前向传递过程解读.mp4

006-5-反向手指传球示范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-神经元数的作用.mp4

010-9-预处理和dropout的作用.mp4

011-1-卷积神经网络概述与分析.mp4

012-2-卷积要完成的任务解读.mp4

013-3-姜老师展示的卷积计算详细过程.mp4

014-4-分层打结的作用.mp4

015-5-参数共享的作用.mp4

016-6-池化层的作用和结果.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网络结构原理及问题mp4

020-2-注意力结构的历史故事介绍.mp4

021-3-self-attention要解决的问题mg4

022-4-0KV软源及功能.mp4

023-5-多头注意力机制的结果.mp4

024-6-位编码和解码器.mp4

025-7-整体架构总结.mp4

026-8-BERT训练方法分析.mg4

027-1-PyTorch框架与其他框架的差异分析.mp4

028-2-CPU版和GPU版安装方法解读mp

029-1-数据集和任务概述.mp4

030-2-基础模块应用测试.mp4

031-3-网络结构定义方法.mp4

032-4-数据源定义介绍.mp4

033-5-Loss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-任务和数据集解读.mp4

037-2-参数初始化操作解读.m4

038-3-训练过程示例.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

043-1-任务分析与基础图像数据处理mp4

044-2-数据增强模块.mp4

045-3-数据集和模型选择.mp4

046-4-迁移学习方法解读.mp4

047-5-输出图层及度数设置.mp4

048-6-修改输出类别数量.mp4

049-7-优化器和学习率衰减.m??p4

050-8-模型训练方法.mp4

051-9-重新训练所有模型.mp4

052-10-测试结果演示与分析.mp4

053-4-使用Dataloader添加和修剪数据并训练模型mp

054-1-Dataloader要完成的任务分析.mp4

055-2-Tubo教学数据及标签路径处理.mp4

056-3-Dataloader.mp4中需要实现的方法分析

057-1-数据集和任务目标分析.mp4

058-2-文本数据处理的基本流程分析.mp4

059-3-命令行参数和DEBUG.mp4

060-4-训练模型所需的基本配置参数分析.mp4

061-5-投影表和特殊乐谱.mp4

062-6-字符预处理转换ID.mp4

063-7-LSTM网络结构的基本定义.mp4

064-8-网络模型预测结果输出.mp4

065-9-模型训练任务及总结.mp4

066-1-基本结构和训练模型加法.mp4

067-2-G家数字的服务器端处理和预测.mp4

068-3-基于Flask测试模型的预测结果.mp4

069-1-视觉变压器要完成的任务解读.mp4

070-1-项目源码准备.mp4

071-2-源代码DEBUG演示mp4

072-3-嵌入模块实现方法.mp4

073-4-块中要完成的任务.mp4

074-5-QKV计算方法.mp4

075-6-特征加权分配.mp4

076-7-完整的前向传播.mp4

077-8-损失计算与训练mp4

23390992979[下载].rar

2024-2-26 23:39 上传

文件大小: 未知
下载次数: 0