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
├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-前向传播流程解读.mp4
├006-5-反向传播演示.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.mp4
├009-8-神经元个数的作用.mp4
├010-9-预处理与dropout的作用.mp4
├011-1-卷积神经网络概述分析.mp4
├012-2-卷积要完成的任务解读.mp4
├013-3-卷积计算详细流程演示.mp4
├014-4-层次结构的作用.mp4
├015-5-参数共享的作用.mp4
├016-6-池化层的作用与效果.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网络结构原理与问题.mp4
├020-2-注意力结构历史故事介绍.mp4
├021-3-self-attention要解决的问题.mp4
├022-4-QKV的来源与作用.mp4
├023-5-多头注意力机制的效果.mp4
├024-6-位置编码与解码器.mp4
├025-7-整体架构总结.mp4
├026-8-BERT训练方式分析.mp4
├027-1-PyTorch框架与其他框架区别分析.mp4
├028-2-CPU与GPU版本安装方法解读.mp4
├029-1-数据集与任务概述.mp4
├030-2-基本模块应用测试.mp4
├031-3-网络结构定义方法.mp4
├032-4-数据源定义简介.mp4
├033-5-损失与训练模块分析.mp4
├034-6-训练一个基本的分类模型.mp4
├035-7-参数对结果的影响.mp4
├036-1-任务与数据集解读.mp4
├037-2-参数初始化操作解读.mp4
├038-3-训练流程实例.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.mp4
├042-3-卷积网络模型训练.mp4
├043-1-任务分析与图像数据基本处理.mp4
├044-2-数据增强模块.mp4
├045-3-数据集与模型选择.mp4
├046-4-迁移学习方法解读.mp4
├047-5-输出层与梯度设置.mp4
├048-6-输出类别个数修改.mp4
├049-7-优化器与学习率衰减.mp4
├050-8-模型训练方法.mp4
