|
|
001.1-1 课程内容和理念.mp43 D. z5 v% c: r. `
002.1-2 初识深度学习.mp4
003.1-3 课程使用的技术栈.mp4
004.2-1 线性代数.mp4/ `7 Y6 z, D8 _ d7 `
005.2-2 微积分.mp4
006.2-3 概率.mp4
007.3-1 CUDA+Anaconda深度学习环境搭建.mp4
008.3-2 conda实用命令.mp44 O# H- E- J& P: a- e5 G8 n- H
009.3-3 Jupyter Notebook快速上手.mp4" X( \! m6 u3 b
010.3-4 深度学习库PyTorch安装.mp4
011.4-1 神经网络原理.mp44 |! E6 c* w1 U( Y
012.4-2 多层感知机.mp4
013.4-3 前向传播和反向传播.mp4( c8 |, r6 }1 k! T* W
014.4-4 多层感知机代码实现.mp4& n6 k; Q/ N( L8 Q& r; w
015.4-5 回归问题.mp4
016.4-6 线性回归代码实现.mp4
017.4-7 分类问题.mp4/ B( L& Y9 m$ D; ~, \
018.4-8 多分类问题代码实现.mp4
019.5-1 训练的常见问题.mp4
020.5-2 过拟合欠拟合应对策略.mp4' f6 s$ N b" Y. ^, `5 C! `9 @
021.5-3 过拟合和欠拟合示例.mp43 h( W% Z- U* _* c0 \4 Q" h
022.5-4 正则化.mp4
023.5-5 Dropout.mp40 j9 H' S6 l7 S f1 W6 v; I2 z5 E
024.5-6 Dropout代码实现.mp4; C. ^7 i4 j5 X5 ^5 d: ?
025.5-7 梯度消失和梯度爆炸.mp4
026.5-8 模型文件的读写.mp45 b2 u6 R( r& |2 p* K# \
027.6-1 最优化与深度学习.mp4
028.6-2 损失函数.mp4) N- W3 O) V9 F$ M8 ^$ p% ]
029.6-3 损失函数性质.mp4
030.6-4 梯度下降.mp4, Y3 `2 g) q0 ]2 G& M/ S
031.6-5 随机梯度下降法.mp4/ |/ @) O$ X. s: J+ E
032.6-6 小批量梯度下降法.mp4 g5 P2 _& X+ y
033.6-7 动量法.mp4
034.6-8 AdaGrad算法.mp4: ]) p$ a9 M* n( s6 J9 C
035.6-9 RMSProp_Adadelta算法.mp4
036.6-10 Adam算法.mp4
037.6-11 梯度下降代码实现.mp4
038.6-12 学习率调节器.mp4$ W( y) ]+ R0 N" w# V! s
039.7-1 全连接层问题.mp4: f# T0 y( S: K: h0 n- a4 T
040.7-2 图像卷积.mp4
041.7-3 卷积层.mp4- I; u$ L: q" v+ j7 r( W& {- x! J6 p
042.7-4 卷积层常见操作.mp4
043.7-5 池化层Pooling.mp4: q; k1 K; M: r- \( h8 o9 D8 p
044.7-6 卷积神经网络代码实现（LeNet）.mp4
045.8-1 AlexNet.mp4% A9 t, _& b1 A
046.8-2 VGGNet.mp4' K" t+ y R, r$ A3 ?8 U$ o
047.8-3 批量规范化.mp4
048.8-4 GoogLeNet.mp4! x3 L" m/ e5 Y9 R9 h) P g
049.8-5 ResNet.mp43 d" F8 D& I# Z2 d
050.8-6 DenseNet.mp4
051.9-1 序列建模.mp4& J: O5 L5 i8 ~5 Z; g; R
052.9-2 文本数据预处理.mp4
053.9-3 循环神经网络.mp4( a# S/ N' y6 A& P
054.9-4 随时间反向传播算法.mp44 z( [; h& a2 Q* i) `: a
055.9-5 循环神经网络代码实现.mp4
056.9-6 RNN的长期依赖问题.mp4
057.10-1 深度循环神经网络.mp4, y( K. n& z4 V' \
058.10-2 双向循环神经网络.mp4
059.10-3 门控循环单元.mp4; u* J$ @! O# N1 L* |0 Z% u
060.10-4 长短期记忆网络.mp4
061.10-5 复杂循环神经网络代码实现.mp42 B4 v y) N5 A0 e* n6 ]: J" X
062.10-6 编码器-解码器网络.mp4
063.10-7 序列到序列模型代码实现.mp4
064.10-8 束搜索算法.mp4
065.10-9 机器翻译简单代码实现.mp4
066.11-1 什么是注意力机制.mp40 u3 h$ ?3 X6 |, S
067.11-2 注意力的计算.mp4
068.11-3 键值对注意力和多头注意力.mp4 W K: \, Q2 K: r0 w# c. M
069.11-4 自注意力机制.mp40 W- D& ~% C0 P# g
070.11-5 注意力池化及代码实现.mp4+ ?* X, n5 h+ M
071.11-6 Transformer模型.mp46 @- \( {% c: d
072.11-7 Transformer代码实现.mp4
073.12-1BERT模型.mp4+ Z& x+ H+ S; i( ?
074.12-2 GPT系列模型.mp4
075.12-3 T5模型.mp4
076.12-4 ViT模型.mp4- ]8 l6 G9 z! s6 F1 e; L9 c
077.12-5 Swin Transformer模型.mp4
078.12-6 GPT模型代码实现.mp4
079.13-1 蒙特卡洛方法.mp4& K! Q6 i, D7 u; L ?) b
080.13-2 变分推断.mp4
081.13-3 变分自编码器.mp4- V. C' h8 i8 M& [
082.13-4 生成对抗网络.mp4! I& [& d2 X: c+ Z# Q8 p
083.13-5 Diffusion扩散模型.mp4
084.13-6 图像生成.mp4/ r7 i1 i$ ^' {. C
085.14-1 自定义数据加载.mp4! ^8 ?5 t0 J8 q# F7 W+ N
086.14-2 图像数据增强.mp4: [5 ~$ X% b4 R5 h
087.14-3 迁移学习.mp4 { ^; N7 P, g& R3 T6 r
088.14-4 经典视觉数据集.mp4
089.14-5 项目实战：猫狗大战.mp4# b1 Q6 J* r5 }; X
090.15-1 词嵌入和word2vec.mp4
091.15-2 词义搜索和句意表示.mp4" \* i: w) P$ E7 }$ v# M# X
092.15-3 预训练模型.mp4# B, H- a: F$ O: A
093.15-4 Hugging Face库介绍.mp4
094.15-5 经典NLP数据集.mp4
095.15-6 项目实战：电影评论情感分析.mp4
096.16-1 InstructGPT模型.mp4
097.16-2 CLIP模型.mp4
098.16-3 DALL-E模型.mp4
099.16-4 深度学习最新发展趋势分析.mp4
100.16-5 下一步学习的建议.mp4
1 N' S' ?* z1 s
下载地址vip会员回复可见:
|
|
|
发表于 2024-2-16 19:48:35
发表于 2024-2-16 19:49:25
