AI入门实战（深度学习+Pytorch）零基础也能学/实战案例丰富/适合跨专业进修
课程目录
001-课程介绍.mp4
002-1-神经网络核心任务解析.mp4
003-2-模型参数更新技巧.mp4
004-3-损失函数计算方式.mp4
005-4-前向传播过程拆解.mp4
006-5-反向传播流程演示.mp4
007-6-神经网络架构深度剖析.mp4
008-7-神经网络效果视觉化展示.mp4
009-8-神经元数量影响.mp4
010-9-预处理与dropout实战.mp4
011-1-卷积网络基础概念.mp4
012-2-卷积核心原理揭秘.mp4
013-3-卷积运算分步详解.mp4
014-4-层级结构功能解析.mp4
015-5-参数共享优势说明.mp4
016-6-池化层实战效果.mp4
017-7-经典网络结构解析.mp4
018-8-主流网络架构纵览.mp4
019-1-RNN原理与挑战.mp4
020-2-注意力机制发展背景.mp4
021-3-self-attention应用场景.mp4
022-4-QKV原理图解.mp4
023-5-多头注意力实战.mp4
024-6-位置编码机制.mp4
025-7-transformer架构总览.mp4
026-8-BERT训练策略.mp4
027-1-PyTorch框架特色对比.mp4
028-2-环境安装配置指南.mp4
029-1-数据集与任务解析.mp4
030-2-基础模块功能测试.mp4
031-3-定义网络结构.mp4
032-4-数据源配置方法.mp4
033-5-损失计算模块详解.mp4
034-6-基础分类模型训练.mp4
035-7-参数调优技巧.mp4
036-1-任务与数据解读.mp4
037-2-参数初始化策略.mp4
038-3-完整训练实例.mp4
039-4-模型应用与验证.mp4
040-1-特征通道解析.mp4
041-2-卷积参数配置指南.mp4
042-3-卷积模型训练实战.mp4
043-1-图像预处理技巧.mp4
044-2-数据增强实战.mp4
045-3-模型选择策略.mp4
046-4-迁移学习应用.mp4
047-5-输出层配置技巧.mp4
048-6-类别调整方法.mp4
049-7-优化器配置策略.mp4
050-8-模型训练全流程.mp4
051-9-完整模型再训练.mp4
052-10-测试结果可视化.mp4
053-4-Dataloader数据加载实战.mp4
054-1-Dataloader核心功能.mp4
055-2-图像路径处理技巧.mp4
056-3-Dataloader关键方法.mp4
057-1-文本任务解析.mp4
058-2-文本处理全流程.mp4
059-3-参数调试技巧.mp4
060-4-训练配置参数详解.mp4
061-5-语料切分方法.mp4
062-6-字符编码转换.mp4
063-7-LSTM架构搭建.mp4
064-8-模型预测输出.mp4
065-9-文本模型训练总结.mp4
066-1-模型加载与应用.mp4
067-2-服务端处理逻辑.mp4
068-3-Flask部署测试.mp4
069-1-视觉transformer原理.mp4
070-1-项目源码准备.mp4
071-2-源码调试演示.mp4
072-3-Embedding实现详解.mp4
073-4-分块处理原理.mp4
074-5-QKV计算步骤.mp4
075-6-特征权重分配.mp4
076-7-前向传播实现.mp4
077-8-模型训练与优化.mp4
评论0