|
|
├──2017中文版斯坦福视觉课CS231n
. O/ m" U9 v) k% F& }# x! v0 g| ├──课件
( Z* `+ [" Z1 A& s+ {& M4 ~| ├──1.1 计算机视觉概述.mp4 107.06M+ s2 s& U0 e2 Z, y$ R, R L4 d: X L
| ├──1.2 计算机视觉历史背景.mp4 421.88M2 B4 A9 d$ ^2 ^( t
| ├──1.3 课程后勤.mp4 320.05M: O) X( c# {6 l' t! @
| ├──10.1 RNN, LSTM, GRU.mp4 304.24M
3 c: C2 O: H) P, o! u1 i+ Y| ├──10.2 Language modeling.mp4 312.30M8 V p3 m4 D1 ?- [1 T# i
| ├──10.3Image captioning, visual question .mp4 478.46M
4 ?! O; Y/ |, h8 e) y: `| ├──11.1 图像分割.mp4 475.61M; U9 |" Y5 l3 a4 h. Z0 o2 A
| ├──11.2 图像定位.mp4 147.38M' a7 D. u. p8 I5 o1 U
| ├──11.3 图像识别.mp4 466.05M3 k3 D4 P' [/ z# Z3 h
| ├──12.1 格式工厂.mp4 722.05M
* _* e+ o+ {$ p6 C8 g* }( {| ├──12.2 DeepDream and style transfer.mp4 351.40M
% Q; G. p' F& P$ ~) m" C& A| ├──13.1 PixelRNN CNN.mp4 286.75M
; c8 t2 O; R* j3 v! q, M% U| ├──13.2 Variational Autoencoders.mp4 478.82M
0 S2 `9 v# B5 T$ p# d' e| ├──13.3 Generative Adversarial Networks.mp4 432.61M
9 O" ]% Q1 U2 k$ u- ^; d* @6 O| ├──14.1 Policy gradients, hard attention.mp4 228.17M( q) f( x; C, f' t( n
| ├──14.2 Q-Learning, Actor-Critic.mp4 700.37M
/ o+ ~* m: d& D5 P) d8 J| ├──15.深度学习的硬件和方法.mp4 936.19M
9 S5 R! f' ^, k| ├──16.对抗样本和对抗训练.mp4 1.11G0 M" r4 G: B# |: M" M1 g
| ├──2.1数据驱动.mp4 342.01M7 x( v# g6 z. q& ]
| ├──2.2 K最近邻算法.mp4 331.50M' @$ J' t, s$ s+ P
| ├──2.3线性分类.mp4 199.15M' ]& N$ m1 T+ F/ a
| ├──3.1 损失函数.mp4 716.63M: l8 l& g9 T5 n: Y' e* l8 l
| ├──3.2 优化.mp4 364.61M4 f$ S q! `: C7 i( e- @
| ├──4.1反向传播.mp4 765.22M" ]8 U6 w) _/ S: |
| ├──4.2神经网络.mp4 273.64M8 K* n, w6 K. s
| ├──5.1 卷积神经网络 - 历史.mp4 204.14M' a) U/ R3 {5 w$ ~9 I2 @5 c0 B- L
| ├──5.2 卷积神经网络 - 卷积和池化.mp4 525.75M) _. p d$ Y! x1 ~7 ^# B) B
| ├──5.3 卷积神经网络 - 视觉之外的卷积神经网.mp4 271.07M
9 S2 i. |/ L1 u+ f% Q| ├──6.1激活函数.mp4 701.74M
/ w( k: J3 U( c r| ├──6.2批量归一化.mp4 454.25M2 A) L; H$ ?0 v: p4 o
| ├──7.1 更好的优化.mp4 789.89M2 b, f) L! k# Y# p( z2 ?
| ├──7.2 正则化.mp4 216.88M# o5 v7 b9 `% U$ N i
| ├──7.3 迁移学习.mp4 91.49M k% k( o: p6 X( Y0 ~
| ├──8.深度学习软件.mp4 1.07G
t7 `. N. {, q% n ]| ├──9.CNN.mp4 1.05G
U1 i. a; m' q P" D3 S" k% \+ k| └──作业、笔记和代码.txt 0.06kb
* h. u8 S, H+ I$ H8 _# E0 ]├──【CMU大学】2019 神经网络与自然语言处理NLP课程 : y6 @ t% d6 a* A
| ├──1.第一讲：课程介绍以及使用神经网络做自然语言处理的原因(P1).mp4 386.26M
6 J, }; t: ~* D# C3 h+ I& A- i| ├──2.第二讲：预测句子中的下一个单词(P2).mp4 460.09M
G/ k1 Y/ L. G( H| ├──3.第三讲：词向量和词模型(P3).mp4 413.58M
' d2 V6 m) f; T! E4 Y u+ C| ├──4.第四讲：针对文本的卷积神经网络(P4).mp4 431.07M
8 |" \0 p" _! e6 ~3 r% C% `: C| ├──5.第五讲：语句或语言建模的循环神经网络(P5).mp4 498.07M
4 ~; u) d* Z" i3 o/ Q0 _3 V| ├──6.第六讲：条件生成(P6).mp4 334.18M
# i- P3 l- Z' f. m3 j1 v# w0 F| ├──7.第七讲：注意力机制(P7).mp4 320.85M! I* n9 g8 M6 {8 ]- M, E3 F/ L
| ├──8.第八讲：语句和上下文词语的表示(P8).mp4 379.99M. f. a- ]$ _6 E" L
| ├──9.第九讲：调试用于自然语言处理的神经网络(P9).mp4 252.92M
/ `5 F) V# A# c1 l* x g| └──CMU课件.rar 40.40M/ ?% }# T) I9 ^6 N. @/ c% b
├──【Google工程师】 Tensorflow2.0入门到进阶
+ S2 K+ i/ S1 ]3 i% p* N| ├──第10章 机器翻译
( k5 O7 u9 J9 l0 ~; k| | ├──10-1 课程引入与seq2seq+attention模型讲解.ts 62.51M( _& }+ m: m1 }
| | ├──10-10 样例例分析与总结.ts 50.00M
7 k% L( o" `! g9 b5 s6 X4 {, W| | ├──10-11 Transformer模型总体架构.ts 70.66M, ^! V; w* D2 P- C, A! J' M3 @& M
| | ├──10-12 Encoder-Decoder架构与缩放点击注意力.ts 52.89M& }. h- |% ~5 L0 G3 v
| | ├──10-13 多头注意力与位置编码.ts 50.91M
; ~5 ^5 q1 m+ f! [0 ]| | ├──10-14 Add、Normalize、Decoding过程与总结.ts 44.86M
; M& S/ |. {3 ]7 m1 `; || | ├──10-15 数据预处理与dataset生成.ts 111.60M
1 `* j) t8 S) p6 H$ ]( ^| | ├──10-16 位置编码.ts 59.61M
7 i% Y; w9 b! G; F1 F| | ├──10-17 mask构建.ts 44.22M Z# f( ^5 ~ f% `% i
| | ├──10-18 缩放点积注意力机制实现(1).ts 58.70M
! c3 c) r$ s4 u4 `+ i| | ├──10-19 缩放点积注意力机制实现(2).ts 45.66M
2 d2 x7 {- [& F| | ├──10-2 数据预处理理与读取.ts 90.96M H- @/ {7 k# U& X0 W
| | ├──10-20 多头注意力机制实现.ts 89.68M0 ?! o0 w& j, w$ E+ t. K
| | ├──10-21 feedforward层次实现.ts 13.25M6 L" N P. z$ ?; m
| | ├──10-22 EncoderLayer实现.ts 64.35M: X( K3 l7 C! U* Y9 s& { T
| | ├──10-23 DecoderLayer实现.ts 74.93M
& C& U8 ?! [, G% L; [| | ├──10-24 EncoderModel实现.ts 62.66M
. @' A# }: z7 S. F. e* s$ o0 D| | ├──10-25 DecoderModel实现.ts 66.22M
- }' V9 N! H' c, g& I+ y| | ├──10-26 Transformer实现.ts 74.77M
1 I2 l1 j# B q* s+ Q/ r| | ├──10-27 自定义学习率.ts 61.26M
0 L- V2 @4 b( U# d/ r) W2 s) w| | ├──10-28 Mask创建与使用.ts 102.40M
3 p! M1 v1 w% |0 p, w+ }: ?' }| | ├──10-29 模型训练.ts 85.22M; x: D, K/ o1 v; K: R- v
| | ├──10-3 数据id化与dataset生成.ts 73.61M' X; \3 O! S/ p$ w
| | ├──10-30 模型预测实现.ts 84.43M. H0 U- ]3 o4 q0 ?! Y
| | ├──10-31 attention可视化.ts 69.75M! S7 u& R7 R) P2 i# X; k' e1 n6 d
| | ├──10-32 示例展示与实战总结 (1135) 正在学习.mp4 168.91M
% T m* _0 w7 Z6 P5 M- y# \* b1 R* _( U2 j| | ├──10-33 GPT与Bert与课程总结 (0813).mp4 45.90M' {3 I" B& C4 K W
| | ├──10-4 Encoder构建.ts 47.69M
8 g8 q3 u$ ~* g4 A4 S' G0 l& E! d6 k: X| | ├──10-5 attention构建.ts 46.26M
4 O2 V; `' D% S. R) Q9 g| | ├──10-6 Decoder构建.ts 59.45M
% D. |1 ^6 B5 B8 T( || | ├──10-7 损失函数与单步训练函数.ts 57.31M
1 g( ]/ R4 c6 n. b. F& h| | ├──10-8 模型训练.ts 38.45M" w. r" q" _3 n! U8 H
| | └──10-9 模型预测实现.ts 89.93M
$ ~! @4 j3 {1 ~ L, T| ├──第1章 Tensorflow简介与环境搭建 7 {) S2 Z. Q$ C( o
| | ├──1-10_Google_cloud_gpu_tensorflow镜像配置__(.mp4 40.71M
+ O9 B9 z, O& W7 `5 ^| | ├──1-11_AWS云平台环境配置.mp4 29.75M0 V1 _2 z2 j% ^9 Z
| | ├──1-1_课程导学.mp4 17.83M) I- X( J' y( j" p0 \- |( s# j
| | ├──1-2_Tensorflow是什么.mp4 10.81M
: v# ^+ B" n0 s( f9 D+ {! U+ ?| | ├──1-3_Tensorflow版本变迁与tf1.0架构.mp4 9.24M9 A7 k: q5 G. p0 l0 K* E: `
| | ├──1-4_Tensorflow2.0架构.mp4 10.04M) X7 _& s8 O( W p; h$ N) e; N
| | ├──1-5_Tensorflow&pytorch比较.mp4 23.53M6 R1 S2 V" I+ c; E' ~6 `# j6 h$ H3 }" U
| | ├──1-6_Tensorflow环境配置(新补).mp4 4.90M
0 z* ]# @: k! U- P. u4 [| | ├──1-6_Tensorflow环境配置.mp4 4.90M" T6 j3 D q0 t7 s6 g* i5 ?
| | ├──1-7_Google_cloud无GPU环境搭建.mp4 32.44M
; X/ S6 A0 a X+ Q* S( v5 T& d| | ├──1-8_Google_cloud_远程jupyter_notebook配置.mp4 41.50M
# g$ T, M; j9 ?0 L% {* j| | └──1-9_Google_cloud_gpu_tensorflow配置.mp4 51.19M
e+ ?4 k5 l" ^5 ~; b5 |9 j9 t| ├──第2章 Tensorflow keras实战 " |1 V# _$ x3 |0 Q. I
| | ├──2-10_实战批归一化、激活函数、dropout.mp4 29.93M
5 Z, ~4 V+ o s( n* t| | ├──2-11_wide_deep模型.mp4 15.28M2 m# c8 j, U8 g! r% x
| | ├──2-12_函数API实现wide&deep模型.mp4 14.73M" s, o4 g8 w. Q/ W# P
| | ├──2-13_子类API实现wide&deep模型.mp4 13.84M
7 w- y; z; ~7 ~' O0 d$ U6 m| | ├──2-14_wide&deep模型的多输入与多输出实战.mp4 28.38M
$ H: {2 |- t! k* v) m- j( r6 ?| | ├──2-15_超参数搜索.mp4 12.76M) T$ D# C' o- }% g
| | ├──2-16_手动实现超参数搜索实战.mp4 16.75M% b1 D" L @( G4 i4 N3 q2 ?, e
| | ├──2-17_实战sklearn封装keras模型.mp4 17.94M% k# C+ x' g, S, M
| | ├──2-18_实战sklearn超参数搜索.mp4 16.25M, ?# ^; Y" B5 r7 H7 g' S8 l6 T j
| | ├──2-1_tfkeras简介__(.mp4 10.48M/ l3 ]. ?4 B1 E) M
| | ├──2-2_分类回归与目标函数.mp4 9.22M
6 o: [1 F1 K8 O% N0 `: g| | ├──2-3_实战分类模型之数据读取与展示.mp4 15.99M
: h. F' I9 {5 H) q D| | ├──2-4_实战分类模型之模型构建.mp4 34.13M' Y( y- A. f0 o$ }
| | ├──2-5_实战分类模型之数据归一化.mp4 20.22M
: y& Y! ?- V+ G% x/ M1 t| | ├──2-6_实战回调函数.mp4 93.40M0 w+ @8 r' x6 O9 n
| | ├──2-8_神经网络讲解.mp4 13.23M
4 n1 @& }' a Q N: F6 q! t| | └──2-9_实战深度神经网络.mp4 17.56M8 K" y. h6 e, l- E; S5 Q) ]
| ├──第3章 Tensorflow基础API使用
% j5 }2 |# P7 V( |4 h| | ├──3-10_近似求导.mp4 11.23M
' O5 m# `! w1 {+ a| | ├──3-11_tf.GradientTape基本使用方法.mp4 21.20M
4 ]/ X; _; M/ v6 || | ├──3-12_tf.GradientTape与tf.keras结合使用.mp4 30.75M9 {! Z7 a# Z; A* ?* }- `, Z- d, m) e; }
| | ├──3-13_章节总结.mp4 1.76M* u% E6 u* B7 H9 F
| | ├──3-1_tf基础API引入.mp4 5.56M' b; J9 ^# q1 p; H# N4 T6 _
| | ├──3-2_实战tf.constant.mp4 9.56M9 e, V4 t7 [( q, `
| | ├──3-3_实战tf.strings与ragged_tensor.mp4 11.11M+ A; `! F0 U) g
| | ├──3-4_实战sparse_tensor与tf.Variable.mp4 17.10M6 |% _ W S8 i S
| | ├──3-5_实战自定义损失函数与DenseLayer回顾.mp4 22.36M
& c7 k$ E; s0 N# p; w, H| | ├──3-6_使子类与lambda分别实战自定义层次.mp4 27.55M
1 m8 @, |/ x/ f6 Y( Q4 t9 n; T' o, P| | ├──3-7_tf.function函数转换.mp4 12.02M
% s2 q( L& }) v) `9 I0 ~- Y- t| | ├──3-8_@tf.function函数转换.mp4 19.88M
$ W1 @) t$ d/ H, B' M0 F y/ e4 ~7 f| | └──3-9_函数签名与图结构.mp4 19.92M) x+ N# U+ O) p- r* ^# W7 P
| ├──第4章 Tensorflow dataset使用 " A! `* ^; ?4 l
| | ├──4-1_data_API引入.mp4 4.05M
" R( d4 R4 w1 l5 X| | ├──4-2_tf_data基础API使用.mp4 23.29M
/ l1 U$ A# a' N# t( L| | ├──4-3_生成csv文件.mp4 27.29M' s# ^; b3 j! H- u) o) h1 W( i
| | ├──4-4_tf.io.decode_csv使用.mp4 29.17M3 x7 u/ u% f4 r5 ]" J6 r
| | ├──4-5_tf.data读取csv文件并与tf.keras结合使用.mp4 32.98M
+ [( R8 ]# W8 b7 d' j S8 [| | ├──4-6_tfrecord基础API使用.mp4 34.86M
0 h% Z9 z4 N" ^' j: u| | ├──4-7_生成tfrecords文件.mp4 43.55M5 G8 }+ m" I2 o9 {$ p' \/ O1 r
| | ├──4-8_tf.data读取tfrecord文件并与tf.keras结合使用.mp4 20.65M: H: a" u. H5 M. r5 h6 V: V. Q
| | └──4-9_章节总结.mp4 1.04M
/ f* _9 P& V: u( a* [9 m# U2 W| ├──第5章 Tensorflow Estimator使用与tf1.0
0 E0 j# b8 p. X9 B& d' o5 Z| | ├──5-10_TF1_dataset使用.mp4 34.93M$ t# @% R0 a, Y6 ]3 v1 }
| | ├──5-11_TF1_自定义estimator.mp4 34.97M2 o1 d+ a1 ~4 M" B
| | ├──5-12_API改动升级与课程总结.mp4 18.41M
- T; U/ ?1 R7 G4 o9 A9 r) R| | ├──5-1_课程引入.mp4 3.04M' ~1 }" a. |! D% n; h9 z, x* M7 q; K
| | ├──5-2_泰坦尼克问题引入分析.mp4 19.08M' [) N g: @. w8 H
| | ├──5-3_feature_column使用.mp4 19.44M) K: p1 {) D( i5 a
| | ├──5-4_keras_to_estimator.mp4 18.83M
; b Q3 G$ p6 n0 F& [5 M| | ├──5-5_预定义estimator使用.mp4 26.30M1 F) X$ N i! M- s- }
| | ├──5-6_交叉特征实战.mp4 22.48M4 q0 o% U. x5 r4 {( C& @
| | ├──5-7_TF1.0引入.mp4 3.66M& J: d% | A* q6 {
| | ├──5-8_TF1.0计算图构建.mp4 18.82M* u/ l% m& U6 l' X
| | └──5-9_TF1.0模型训练.mp4 21.70M
. {( X; K, D E9 U n- t. i| ├──第6章 卷积神经网络
N& Q' g; R2 ~+ ?" a| | ├──6-10_10monkeys基础模型搭建与训练.mp4 36.16M
, G `1 f! d1 ?. z) x% ~3 ^. ^| | ├──6-11_10monkeys模型微调.mp4 29.54M9 y$ d( ~, K/ o+ ^ S6 c1 E! U( g+ k
| | ├──6-12_keras_generator读取cifar10数据集.mp4 32.09M' t7 R) K* J& U1 X) w2 D
| | ├──6-13_模型训练与预测.mp4 22.80M8 b3 Z. o: K* \. Y8 U% M
| | ├──6-1_卷积神经网络引入与总体结构.mp4 8.05M
6 E/ D+ N2 ~4 `& v7 A| | ├──6-2_卷积解决的问题.mp4 10.00M; K3 j. R( Y6 k, W8 z" G
| | ├──6-3_卷积的计算.mp4 9.72M
5 _- Q# l" n( G$ }- Z; _/ c" O| | ├──6-4_池化操作.mp4 3.83M
! {. k: p, L5 W" D) g' s5 C| | ├──6-5_卷积神经网络实战.mp4 26.75M
' a4 d( n2 k$ } @4 E8 @| | ├──6-6_深度可分离卷积网络.mp4 11.76M
" O; J1 {* l# ~ z" X1 q| | ├──6-7_深度可分离卷积网络实战.mp4 16.99M
! ^7 u' n, b8 u| | ├──6-8_Kaggle平台与10monkeys数据集介绍.mp4 12.65M4 A. `0 U1 E' i! m. l% L4 V
| | └──6-9_Keras_generator读取数据.mp4 24.80M/ B0 `: i* U$ Y/ h3 S* ]/ }0 a
| ├──第7章 循环神经网络
% U, H" N# p, I" z" `| | ├──7-10_LSTM文本分类与文本生成实战.mp4 29.11M
: p5 s" H1 y; J H+ Y. m% ^/ [| | ├──7-1_循环神经网络引入与embedding.mp4 8.48M' P% |7 @% Y. w2 J( a
| | ├──7-2_数据集载入与构建词表索引.mp4 19.25M6 M' }6 N+ r1 x j
| | ├──7-3_数据padding、模型构建与训练.mp4 23.55M" z6 F5 @( H; s; B1 {+ b
| | ├──7-4_序列式问题与循环神经网络.mp4 13.31M
( G7 R# _( O- z0 F( C" _3 {| | ├──7-5_循环神经网络实战文本分类.mp4 35.24M
. X8 _ g& {" c" p' ^| | ├──7-6_文本生成之数据处理.mp4 24.09M5 S, Y' C9 A% n+ @- o: S( q) n ]! Q
| | ├──7-7_文本生成实战之构建模型.mp4 28.71M5 ?) O1 v" q7 {0 G- {
| | ├──7-8_文本生成实战之采样生成文本.mp4 28.03M! y6 u2 m- M5 L- U
| | └──7-9_LSTM长短期记忆网络.mp4 8.79M
- |& E; x8 W8 G# P/ H| ├──第8章 Tensorflow分布式
5 F( d& J% Q$ V5 u1 N3 S8 ]& w| | ├──8-1_课程引入与GPU设置.mp4 6.26M& i t C+ M$ h* r
| | ├──8-2_GPU默认设置.mp4 16.90M
' V: M7 W" U1 Q9 m; ? m$ f: P& x| | ├──8-3_内存增长和虚拟设备实战.mp4 26.03M. x# e+ m, F2 S# ] ~6 E+ \/ y
| | ├──8-4_GPU手动设置实战.mp4 20.35M
% W9 m2 e! \$ T| | ├──8-5_分布式策略.mp4 13.27M
9 K# v+ A+ X/ A4 f5 o/ || | ├──8-6_keras分布式实战.mp4 27.13M
" p) G8 j, s( S1 e# m| | ├──8-7_estimator分布式实战.mp4 24.64M" O. f. @3 m; ?7 I' Y5 `1 E
| | ├──8-8_自定义流程实战.mp4 34.68M
' N2 a$ _( C9 g g- n# [+ T| | └──8-9_分布式自定义流程实战.mp4 35.00M
9 L) _: I& y, M. t6 `. Y| ├──第9章 Tensorflow模型保存与部署
$ h, V: E5 U& E' ]7 z) Z. O! q| | ├──9-1_课程引入与TFLite.mp4 12.15M" j( T0 M u3 |; R7 l* P& e4 P8 Q
| | ├──9-2_保存模型结构加参数与保存参数实战.mp4 20.65M1 X3 j, S/ C) e
| | ├──9-3_Keras模型转化为SavedModel.mp4 23.79M
, j1 ^9 Z4 G1 N3 L9 Q| | ├──9-4_签名函数转化为SavedModel.mp4 12.76M
& T$ V G0 H' Z e- [- c" c| | └──9-5_签名函数，SavedModel和Keras模型到具体函数转换.mp4 11.19M
1 f' [; [" [6 s" V- g& V| └──资料 ' {0 W( q3 S( L5 V6 ?
| | ├──tensorflow2.0_course-master.tar.gz 467.31kb& l! w* p# \- U) t7 _
| | └──tensorflow2.0_course-master.zip 482.88kb
! @9 ~: e) |6 m. D├──【斯坦福大学】2019中文版CS224n NLP自然语言处理课程
7 S, w& K: ? ?: B3 p8 _. ]| ├──1.第一讲 - NLP和深度学习入门【中英字幕】CS224n 斯坦福深度自然语言.mp4 370.73M
! @8 t* |4 p( \) R! r- r, K| ├──10.第十讲 - 神经机器翻译和注意力模型 - 【中英字幕】CS224n 斯坦福.mp4 439.25M& g% d* h0 n; z- u! B2 I2 h
| ├──11.第十一讲 - GRU 及 NMT 的其他议题 - 【中英字幕】CS224n.mp4 476.74M# w, p4 l& b- V% R2 x, F: @
| ├──12.第十二讲 - 语音处理的端对端模型 - 【中英字幕】CS224n 斯坦福深.mp4 292.63M
8 b; z$ @/ t, t5 v* U4 R, Q| ├──13.第十三讲 - 卷积神经网络 - 【中英字幕】CS224n 斯坦福深度自然语.mp4 447.12M
$ r/ C# c$ f; k ^| ├──14.第十四讲 - 树 RNN 和短语句法分析.mp4 511.51M
4 D) ]. O; J/ R9 l| ├──15.第十五讲 - 共指解析.mp4 580.21M
. k5 v; J" m, s0 D( Z# h| ├──16.第十六讲 - 用于回答问题的动态神经网络.mp4 467.63M
% e- K: K* G% h, s& M; L- ^* Q| ├──17.第十七讲 - NLP 的问题和可能性架构(Av41393758,P17).mp4 501.12M4 [$ Z2 v, O4 q; Q' K& R/ F- @$ g
| ├──18.第十八讲 - 应对深度 NLP 的局限性 - 【中英字幕】CS224n 斯(Av41393758,P18).mp4 411.89M
' _' u, ?& V, A8 i% i9 p0 w- A| ├──2.第二讲-词向量表示： word2vec【中英字幕】CS224n 斯坦福深度自.mp4 526.41M
; E( \1 {5 T* }5 B+ j| ├──2019 最新斯坦福CS224n课件.rar 287.68M
9 V% K' V v' L4 m0 H| ├──3.第三讲 - 高级词向量表示 - 【中英字幕】CS224n 斯坦福深度自然语言.mp4 382.88M
% U. y9 J; _# D3 z, G# I| ├──4.第四讲 - Word Window 分类与神经网络 - 【中英字幕】CS22.mp4 343.61M! H) r! P# \% J
| ├──5.第五讲 - 反向传播和项目建议 - 【中英字幕】CS224n 斯坦福深度自然.mp4 387.99M. g z5 X( [. y* z8 j5 r! M# _
| ├──6.第六讲 - 依存分析 - 【中英字幕】CS224n 斯坦福深度自然语言处理课.mp4 386.54M
1 _( D' d$ w! V# ^| ├──7.第七讲 - TensorFlow入门【中英字幕】CS224n 斯坦福深度自然.mp4 506.50M
5 b$ r" @1 p! l6 a Q) ^7 { W| ├──8.第八讲 - RNN和语言模式 - 【中英字幕】CS224n 斯坦福深度自然语.mp4 446.16M8 A- }+ Q$ F! t( F
| └──9.第九讲 - 机器翻译和高级循环神经网络 LSTMs 和 GRUs - 【中英.mp4 412.93M* U; Q* G. S" e9 H( j% C% s( |
└──【台湾大学】李宏毅深度强化学习(国语)课程(2018) 9 E! `+ x/ W. C0 [+ N
| ├──1.Policy Gradient (Review).mp4 56.67M: L5 Y( F k1 j8 g- ]
| ├──2.Proximal Policy Optimization (PPO).mp4 50.85M
- l& k8 z& y; G; P| ├──3.Q-learning (Basic Idea).mp4 57.76M* A3 c7 ^2 P8 p1 x( c9 k
| ├──4.Q-learning (Advanced Tips).mp4 48.31M) j* h, P' R% {' S+ }/ C/ h+ y
| ├──5.Q-learning (Continuous Action).mp4 19.25M
3 ~6 X+ G* Y$ t* R0 k6 V- c' Q6 d| ├──6.Actor-Critic.mp4 42.96M
9 d2 [$ V/ d. c: X| ├──7.Sparce Reward.mp4 33.89M
6 {: o; N Z* n3 R9 t4 [| └──8.Imitation Learning.mp4 35.59M
( z( M* T9 t! \/ V2 _& ^# G4 F. C6 B+ l, N5 ?( @
9 z5 a0 s4 n) t1 n* c8 g! S资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见
# Z' X0 \* x1 h; R0 T1 U2 a0 w/ I/ F7 Z$ \
9 {% F# o; k1 r" C/ K H
; g; W5 r+ |- M- b3 B N
本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-6-16 05:12:01
