零基礎(chǔ)AI入門實戰(zhàn)(深度學習+Pytorch)，AI必備基礎(chǔ)
本資源由趣資料網(wǎng)站分享，趣資料網(wǎng)站m.trvvqae.cn
資源簡介：
資源大?。?.86 GB
通俗易懂
零基礎(chǔ)入門
案例實戰(zhàn)
跨專業(yè)提升
課程內(nèi)容：
001-課程介紹.mp4
002-1-神經(jīng)網(wǎng)絡(luò)要完成的任務(wù)分析.mp4
003-2-模型更新方法解讀.mp4
004-3-損失函數(shù)計算方法.mp4
005-4-前向傳播流程解讀.mp4
006-5-反向傳播演示.mp4
007-6-神經(jīng)網(wǎng)絡(luò)整體架構(gòu)詳細拆解.mp4
008-7-神經(jīng)網(wǎng)絡(luò)效果可視化分析.mp4
009-8-神經(jīng)元個數(shù)的作用.mp4
010-9-預處理與dropout的作用.mp4
011-1-卷積神經(jīng)網(wǎng)絡(luò)概述分析.mp4
012-2-卷積要完成的任務(wù)解讀.mp4
013-3-卷積計算詳細流程演示.mp4
014-4-層次結(jié)構(gòu)的作用.mp4
015-5-參數(shù)共享的作用.mp4
016-6-池化層的作用與效果.mp4
017-7-整體網(wǎng)絡(luò)結(jié)構(gòu)架構(gòu)分析.mp4
018-8-經(jīng)典網(wǎng)絡(luò)架構(gòu)概述.mp4
019-1-RNN網(wǎng)絡(luò)結(jié)構(gòu)原理與問題.mp4
020-2-注意力結(jié)構(gòu)歷史故事介紹.mp4
021-3-self-attention要解決的問題.mp4
022-4-QKV的來源與作用.mp4
023-5-多頭注意力機制的效果.mp4
024-6-位置編碼與解碼器.mp4
025-7-整體架構(gòu)總結(jié).mp4
026-8-BERT訓練方式分析.mp4
027-1-PyTorch框架與其他框架區(qū)別分析.mp4
028-2-CPU與GPU版本安裝方法解讀.mp4
029-1-數(shù)據(jù)集與任務(wù)概述.mp4
030-2-基本模塊應(yīng)用測試.mp4
031-3-網(wǎng)絡(luò)結(jié)構(gòu)定義方法.mp4
032-4-數(shù)據(jù)源定義簡介.mp4
033-5-損失與訓練模塊分析.mp4
034-6-訓練一個基本的分類模型.mp4
035-7-參數(shù)對結(jié)果的影響.mp4
036-1-任務(wù)與數(shù)據(jù)集解讀.mp4
037-2-參數(shù)初始化操作解讀.mp4
038-3-訓練流程實例.mp4
039-4-模型學習與預測.mp4
040-1-輸入特征通道分析.mp4
041-2-卷積網(wǎng)絡(luò)參數(shù)解讀.mp4
042-3-卷積網(wǎng)絡(luò)模型訓練.mp4
043-1-任務(wù)分析與圖像數(shù)據(jù)基本處理.mp4
044-2-數(shù)據(jù)增強模塊.mp4
045-3-數(shù)據(jù)集與模型選擇.mp4
046-4-遷移學習方法解讀.mp4
047-5-輸出層與梯度設(shè)置.mp4
048-6-輸出類別個數(shù)修改.mp4
049-7-優(yōu)化器與學習率衰減.mp4
050-8-模型訓練方法.mp4
051-9-重新訓練全部模型.mp4
052-10-測試結(jié)果演示分析.mp4
053-4-實用Dataloader加載數(shù)據(jù)并訓練模型.mp4
054-1-Dataloader要完成的任務(wù)分析.mp4
055-2-圖像數(shù)據(jù)與標簽路徑處理.mp4
056-3-Dataloader中需要實現(xiàn)的方法分析.mp4
057-1-數(shù)據(jù)集與任務(wù)目標分析.mp4
058-2-文本數(shù)據(jù)處理基本流程分析.mp4
059-3-命令行參數(shù)與DEBUG.mp4
060-4-訓練模型所需基本配置參數(shù)分析.mp4
061-5-預料表與字符切分.mp4
062-6-字符預處理轉(zhuǎn)換ID.mp4
063-7-LSTM網(wǎng)絡(luò)結(jié)構(gòu)基本定義.mp4
064-8-網(wǎng)絡(luò)模型預測結(jié)果輸出.mp4
065-9-模型訓練任務(wù)與總結(jié).mp4
066-1-基本結(jié)構(gòu)與訓練好的模型加載.mp4
067-2-服務(wù)端處理與預測函數(shù).mp4
068-3-基于Flask測試模型預測結(jié)果.mp4
069-1-視覺transformer要完成的任務(wù)解讀.mp4
070-1-項目源碼準備.mp4
071-2-源碼DEBUG演示.mp4
072-3-Embedding模塊實現(xiàn)方法.mp4
073-4-分塊要完成的任務(wù).mp4
074-5-QKV計算方法.mp4
075-6-特征加權(quán)分配.mp4
076-7-完成前向傳播.mp4
077-8-損失計算與訓練.mp4
獲取資源請下滑頁面查看
零基礎(chǔ)AI入門實戰(zhàn)(深度學習+Pytorch)，AI必備基礎(chǔ)
