• B站 - 深度学习必修课：进击AI算法工程师【梗直哥瞿炜】
    • B站 - 深度学习必修课：进击AI算法工程师【梗直哥瞿炜】
      • 026.5-8 模型文件的读写.mp4
      • 010.3-4 深度学习库PyTorch安装.mp4
      • 069.11-4 自注意力机制.mp4
      • 035.6-9 RMSProp_Adadelta算法.mp4
      • 098.16-3 DALL-E模型.mp4
      • 046.8-2 VGGNet.mp4
      • 037.6-11 梯度下降代码实现.mp4
      • 081.13-3 变分自编码器.mp4
      • 040.7-2 图像卷积.mp4
      • 043.7-5 池化层Pooling.mp4
      • 036.6-10 Adam算法.mp4
      • 077.12-5 Swin Transformer模型.mp4
      • 096.16-1 InstructGPT模型.mp4
      • 免责声明（首次必看）.txt
      • 034.6-8 AdaGrad算法.mp4
      • 047.8-3 批量规范化.mp4
      • 079.13-1 蒙特卡洛方法.mp4
      • 094.15-5 经典NLP数据集.mp4
      • 075.12-3 T5模型.mp4
      • 086.14-2 图像数据增强.mp4
      • 039.7-1 全连接层问题.mp4
      • 080.13-2 变分推断.mp4
      • 088.14-4 经典视觉数据集.mp4
      • 093.15-4 Hugging Face库介绍.mp4
      • 038.6-12 学习率调节器.mp4
      • 033.6-7 动量法.mp4
      • 084.13-6 图像生成.mp4
      • 090.15-1 词嵌入和word2vec.mp4
      • 091.15-2 词义搜索和句意表示.mp4
      • 099.16-4 深度学习最新发展趋势分析.mp4
      • 092.15-3 预训练模型.mp4
      • 100.16-5 下一步学习的建议.mp4
      • 083.13-5 Diffusion扩散模型.mp4
      • 097.16-2 CLIP模型.mp4
      • 078.12-6 GPT模型代码实现.mp4
      • 028.6-2 损失函数.mp4
      • 009.3-3 Jupyter Notebook快速上手.mp4
      • 029.6-3 损失函数性质.mp4
      • 045.8-1 AlexNet.mp4
      • 066.11-1 什么是注意力机制.mp4
      • 058.10-2 双向循环神经网络.mp4
      • 053.9-3 循环神经网络.mp4
      • 067.11-2 注意力的计算.mp4
      • 005.2-2 微积分.mp4
      • 062.10-6 编码器-解码器网络.mp4
      • 059.10-3 门控循环单元.mp4
      • 042.7-4 卷积层常见操作.mp4
      • 041.7-3 卷积层.mp4
      • 061.10-5 复杂循环神经网络代码实现.mp4
      • 031.6-5 随机梯度下降法.mp4
      • 050.8-6 DenseNet.mp4
      • 051.9-1 序列建模.mp4
      • 063.10-7 序列到序列模型代码实现.mp4
      • 054.9-4 随时间反向传播算法.mp4
      • 060.10-4 长短期记忆网络.mp4
      • 057.10-1 深度循环神经网络.mp4
      • 052.9-2 文本数据预处理.mp4
      • 015.4-5 回归问题.mp4
      • 056.9-6 RNN的长期依赖问题.mp4
      • 064.10-8 束搜索算法.mp4
      • 055.9-5 循环神经网络代码实现.mp4
      • 082.13-4 生成对抗网络.mp4
      • 018.4-8 多分类问题代码实现.mp4
      • 025.5-7 梯度消失和梯度爆炸.mp4
      • 087.14-3 迁移学习.mp4
      • 076.12-4 ViT模型.mp4
      • 003.1-3 课程使用的技术栈.mp4
      • 048.8-4 GoogLeNet.mp4
      • 071.11-6 Transformer模型.mp4
      • 024.5-6 Dropout代码实现.mp4
      • 021.5-3 过拟合和欠拟合示例.mp4
      • 017.4-7 分类问题.mp4
      • 014.4-4 多层感知机代码实现.mp4
      • 020.5-2 过拟合欠拟合应对策略.mp4
      • 073.12-1BERT模型.mp4
      • 049.8-5 ResNet.mp4
      • 008.3-2 conda实用命令.mp4
      • 006.2-3 概率.mp4
      • 089.14-5 项目实战：猫狗大战.mp4
      • 044.7-6 卷积神经网络代码实现（LeNet）.mp4
      • 074.12-2 GPT系列模型.mp4
      • 013.4-3 前向传播和反向传播.mp4
      • 070.11-5 注意力池化及代码实现.mp4
      • 022.5-4 正则化.mp4
      • 072.11-7 Transformer代码实现.mp4
      • 023.5-5 Dropout.mp4
      • 019.5-1 训练的常见问题.mp4
      • 004.2-1 线性代数.mp4
      • 001.1-1 课程内容和理念.mp4
      • 027.6-1 最优化与深度学习.mp4
      • 002.1-2 初识深度学习.mp4
      • 065.10-9 机器翻译简单代码实现.mp4
      • 007.3-1 CUDA+Anaconda深度学习环境搭建.mp4
      • 012.4-2 多层感知机.mp4
      • 095.15-6 项目实战：电影评论情感分析.mp4
      • 030.6-4 梯度下降.mp4
      • 085.14-1 自定义数据加载.mp4
      • 068.11-3 键值对注意力和多头注意力.mp4
      • 032.6-6 小批量梯度下降法.mp4
      • 016.4-6 线性回归代码实现.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。

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。

  • 净网声明
  • 免责声明
  • 用户协议
  • 版权说明