- 零基础AI入门实战 (深度学习+Pytorch)
- 077-8-损失计算与训练.mp4
- 076-7-完成前向传播.mp4
- 075-6-特征加权分配.mp4
- 074-5-QKV计算方法.mp4
- 073-4-分块要完成的任务.mp4
- 070-1-项目源码准备.mp4
- 072-3-Embedding模块实现方法.mp4
- 071-2-源码DEBUG演示.mp4
- 068-3-基于Flask测试模型预测结果.mp4
- 067-2-服务端处理与预测函数.mp4
- 069-1-视觉transformer要完成的任务解读.mp4
- 065-9-模型训练任务与总结.mp4
- 066-1-基本结构与训练好的模型加载.mp4
- 064-8-网络模型预测结果输出.mp4
- 062-6-字符预处理转换ID.mp4
- 063-7-LSTM网络结构基本定义.mp4
- 061-5-预料表与字符切分.mp4
- 060-4-训练模型所需基本配置参数分析.mp4
- 059-3-命令行参数与DEBUG.mp4
- 058-2-文本数据处理基本流程分析.mp4
- 057-1-数据集与任务目标分析.mp4
- 056-3-Dataloader中需要实现的方法分析.mp4
- 055-2-图像数据与标签路径处理.mp4
- 052-10-测试结果演示分析.mp4
- 053-4-实用Dataloader加载数据并训练模型.mp4
- 054-1-Dataloader要完成的任务分析.mp4
- 051-9-重新训练全部模型.mp4
- 050-8-模型训练方法.mp4
- 049-7-优化器与学习率衰减.mp4
- 047-5-输出层与梯度设置.mp4
- 048-6-输出类别个数修改.mp4
- 046-4-迁移学习方法解读.mp4
- 045-3-数据集与模型选择.mp4
- 044-2-数据增强模块.mp4
- 043-1-任务分析与图像数据基本处理.mp4
- 041-2-卷积网络参数解读.mp4
- 042-3-卷积网络模型训练.mp4
- 040-1-输入特征通道分析.mp4
- 039-4-模型学习与预测.mp4
- 038-3-训练流程实例.mp4
- 031-3-网络结构定义方法.mp4
- 037-2-参数初始化操作解读.mp4
- 036-1-任务与数据集解读.mp4
- 035-7-参数对结果的影响.mp4
- 034-6-训练一个基本的分类模型.mp4
- 033-5-损失与训练模块分析.mp4
- 032-4-数据源定义简介.mp4
- 028-2-CPU与GPU版本安装方法解读.mp4
- 030-2-基本模块应用测试.mp4
- 029-1-数据集与任务概述.mp4
- 027-1-PyTorch框架与其他框架区别分析.mp4
- 026-8-BERT训练方式分析.mp4
- 025-7-整体架构总结.mp4
- 024-6-位置编码与解码器.mp4
- 023-5-多头注意力机制的效果.mp4
- 022-4-QKV的来源与作用.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
- 018-8-经典网络架构概述.mp4
- 019-1-RNN网络结构原理与问题.mp4
- 017-7-整体网络结构架构分析.mp4
- 016-6-池化层的作用与效果.mp4
- 014-4-层次结构的作用.mp4
- 013-3-卷积计算详细流程演示.mp4
- 015-5-参数共享的作用.mp4
- 012-2-卷积要完成的任务解读.mp4
- 011-1-卷积神经网络概述分析.mp4
- 010-9-预处理与dropout的作用.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
- 007-6-神经网络整体架构详细拆解.mp4
- 006-5-反向传播演示.mp4
- 001-课程介绍.mp4
- 005-4-前向传播流程解读.mp4
- 004-3-损失函数计算方法.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
请认真阅读以下说明，您只有在了解并同意该说明后，才可继续访问本站。
净网声明
免责声明
用户协议
版权说明
1. 全站内容收集自百度、阿里、夸克、城通、迅雷、115、天翼、UC网盘公开分享链接，以非人工方式自动生成，本站不储存、复制、传播、控制编辑任何网盘文件，也不提供下载服务，其链接跳转到对应网盘方。
2. 法律合规：agizy.cn遵守相关法律法规，坚决杜绝一切违规不良信息。如您发现任何涉嫌违规的网盘信息，请立即向网盘官方网站举报，并及时反馈给我们进行屏蔽删除。同时您必须了解并同意本站《用户协议》，严禁搜索非法关键词。
3. 知识产权保护：agizy.cn高度重视知识产权保护和个人隐私保护。如有网盘链接侵犯您的合法权益，请立即向百度网盘官方网站举报，并参见本站《版权说明》提供书面材料联系我们屏蔽删改。
4. 非经营性用途：agizy.cn作为非经营性网站，所有服务仅供学习交流使用。
