零基础AI入门实战：深度学习+Pytorch

001-课程介绍.mp4 89.30M

002-1-神经网络要完成的任务分析.mp4 33.96M

003-2-模型更新方法解读.mp4 21.60M

004-3-损失函数计算方法.mp4 28.61M

005-4-前向传播流程解读.mp4 22.57M

006-5-反向传播演示.mp4 22.63M

007-6-神经网络整体架构详细拆解.mp4 43.73M

008-7-神经网络效果可视化分析.mp4 61.20M

009-8-神经元个数的作用.mp4 22.62M

010-9-预处理与dropout的作用.mp4 32.28M

011-1-卷积神经网络概述分析.mp4 39.94M

012-2-卷积要完成的任务解读.mp4 27.96M

013-3-卷积计算详细流程演示.mp4 60.08M

014-4-层次结构的作用.mp4 20.85M

015-5-参数共享的作用.mp4 19.58M

016-6-池化层的作用与效果.mp4 32.56M

017-7-整体网络结构架构分析.mp4 45.85M

018-8-经典网络架构概述.mp4 45.22M

019-1-RNN网络结构原理与问题.mp4 17.18M

020-2-注意力结构历史故事介绍.mp4 32.25M

021-3-self-attention要解决的问题.mp4 26.44M

022-4-QKV的来源与作用.mp4 27.36M

023-5-多头注意力机制的效果.mp4 28.64M

024-6-位置编码与解码器.mp4 28.38M

025-7-整体架构总结.mp4 26.58M

026-8-BERT训练方式分析.mp4 18.93M

027-1-PyTorch框架与其他框架区别分析.mp4 32.83M

028-2-CPU与GPU版本安装方法解读.mp4 74.50M

029-1-数据集与任务概述.mp4 38.38M

030-2-基本模块应用测试.mp4 40.55M

031-3-网络结构定义方法.mp4 47.50M

032-4-数据源定义简介.mp4 32.69M

033-5-损失与训练模块分析.mp4 35.53M

034-6-训练一个基本的分类模型.mp4 42.93M

035-7-参数对结果的影响.mp4 39.85M

036-1-任务与数据集解读.mp4 33.61M

037-2-参数初始化操作解读.mp4 40.18M

038-3-训练流程实例.mp4 38.89M

039-4-模型学习与预测.mp4 52.53M

040-1-输入特征通道分析.mp4 38.40M

041-2-卷积网络参数解读.mp4 28.28M

042-3-卷积网络模型训练.mp4 44.74M

043-1-任务分析与图像数据基本处理.mp4 36.92M

044-2-数据增强模块.mp4 37.54M

045-3-数据集与模型选择.mp4 37.90M

046-4-迁移学习方法解读.mp4 36.45M

047-5-输出层与梯度设置.mp4 50.40M

048-6-输出类别个数修改.mp4 41.37M

049-7-优化器与学习率衰减.mp4 42.20M

050-8-模型训练方法.mp4 42.37M

051-9-重新训练全部模型.mp4 43.19M

052-10-测试结果演示分析.mp4 89.30M

053-4-实用Dataloader加载数据并训练模型.mp4 58.80M

054-1-Dataloader要完成的任务分析.mp4 30.77M

055-2-图像数据与标签路径处理.mp4 42.05M

056-3-Dataloader中需要实现的方法分析.mp4 42.77M

057-1-数据集与任务目标分析.mp4 35.43M

058-2-文本数据处理基本流程分析.mp4 50.57M

059-3-命令行参数与DEBUG.mp4 32.21M

060-4-训练模型所需基本配置参数分析.mp4 37.96M

061-5-预料表与字符切分.mp4 29.17M

062-6-字符预处理转换ID.mp4 30.97M

063-7-LSTM网络结构基本定义.mp4 31.97M

064-8-网络模型预测结果输出.mp4 35.78M

065-9-模型训练任务与总结.mp4 41.35M

066-1-基本结构与训练好的模型加载.mp4 19.18M

067-2-服务端处理与预测函数.mp4 39.06M

068-3-基于Flask测试模型预测结果.mp4 40.05M

069-1-视觉transformer要完成的任务解读.mp4 30.14M

070-1-项目源码准备.mp4 42.75M

071-2-源码DEBUG演示.mp4 31.73M

072-3-Embedding模块实现方法.mp4 42.29M

073-4-分块要完成的任务.mp4 34.89M

074-5-QKV计算方法.mp4 39.42M

075-6-特征加权分配.mp4 39.29M

076-7-完成前向传播.mp4 35.66M

077-8-损失计算与训练.mp4 44.44M