零基础入门实战深度学习Pytorch

用户清风明月

零基础入门实战深度学习Pytorch
├──001-课程介绍.mp4  51.62M
" N' \9 j) e8 k  @├──002-1-神经网络要完成的任务分析.mp4  21.72M
├──003-2-模型更新方法解读.mp4  15.40M
: o7 t! ~* A. T& @├──004-3-损失函数计算方法.mp4  17.96M
├──005-4-前向传播流程解读.mp4  14.44M
├──006-5-反向传播演示.mp4  14.31M
├──007-6-神经网络整体架构详细拆解.mp4  29.55M
5 |- s) {2 b. i) ^* H2 Y5 G/ y6 [├──008-7-神经网络效果可视化分析.mp4  43.16M
6 ?  q8 V+ D3 R5 l+ v8 N├──009-8-神经元个数的作用.mp4  15.40M
├──010-9-预处理与dropout的作用.mp4  22.26M
, _& n2 l; X9 @9 |├──011-1-卷积神经网络概述分析.mp4  25.49M
5 |& s9 _0 e; C+ g6 A├──012-2-卷积要完成的任务解读.mp4  20.76M
4 V4 t' k' n) \1 J" n" c├──013-3-卷积计算详细流程演示.mp4  35.02M
├──014-4-层次结构的作用.mp4  11.89M
/ K1 ^' p( R  p  o├──015-5-参数共享的作用.mp4  11.81M
7 Y' K; @, d% i+ s' p4 I├──016-6-池化层的作用与效果.mp4  24.14M
4 n2 w& k9 x. X  f/ C' N# d  ^├──017-7-整体网络结构架构分析.mp4  45.81M
# O& D% E9 D& f9 m4 p& j├──018-8-经典网络架构概述.mp4  45.18M
6 i: v! h7 Y! v" K" e/ u* C1 ~( h├──019-1-RNN网络结构原理与问题.mp4  17.14M
├──020-2-注意力结构历史故事介绍.mp4  32.21M
├──021-3-self-attention要解决的问题.mp4  26.40M
├──022-4-QKV的来源与作用.mp4  27.32M
2 B1 t( r: m* A├──023-5-多头注意力机制的效果.mp4  28.59M
$ K& s) R! `) T& v' _& j( G├──024-6-位置编码与解码器.mp4  28.34M
( d) K$ d6 d, R  b- u├──025-7-整体架构总结.mp4  26.54M
6 v# H! c! i) r* g0 F5 s├──026-8-BERT训练方式分析.mp4  18.89M
├──027-1-PyTorch框架与其他框架区别分析.mp4  32.79M
5 U0 a' u+ P2 I. v, m+ k├──028-2-CPU与GPU版本安装方法解读.mp4  74.46M
├──029-1-数据集与任务概述.mp4  38.34M
├──030-2-基本模块应用测试.mp4  40.51M
├──031-3-网络结构定义方法.mp4  47.46M
' {$ D$ a7 d" S( R5 `( J: i├──032-4-数据源定义简介.mp4  32.64M
├──033-5-损失与训练模块分析.mp4  35.48M
├──034-6-训练一个基本的分类模型.mp4  42.89M
+ G  Z6 c  G) v5 A) l2 d# S1 ]├──035-7-参数对结果的影响.mp4  39.81M
├──036-1-任务与数据集解读.mp4  33.56M
├──037-2-参数初始化操作解读.mp4  40.14M
0 a3 F' u6 O, f% y: ]' r; B├──038-3-训练流程实例.mp4  38.85M
; }8 e3 d# E6 i; `; w5 W6 z, q├──039-4-模型学习与预测.mp4  52.48M
├──040-1-输入特征通道分析.mp4  38.36M
  ]1 j2 w( a' n- R; J, M├──041-2-卷积网络参数解读.mp4  28.24M
├──042-3-卷积网络模型训练.mp4  44.69M
├──043-1-任务分析与图像数据基本处理.mp4  36.88M
  M6 o4 k' T* z; T8 s: g) z) E├──044-2-数据增强模块.mp4  37.50M
├──045-3-数据集与模型选择.mp4  37.85M
├──046-4-迁移学习方法解读.mp4  36.41M
( p" G7 h$ I, o7 k! r' \- G9 p├──047-5-输出层与梯度设置.mp4  50.36M
4 c! h0 K7 |: t$ h# l9 X├──048-6-输出类别个数修改.mp4  41.33M
+ `; h9 |2 ^3 Q/ }+ j/ H5 A4 D. b├──049-7-优化器与学习率衰减.mp4  42.16M
7 U8 z8 z( X- |. u; f├──050-8-模型训练方法.mp4  42.33M
# G& l7 z7 w: Q; [) x├──051-9-重新训练全部模型.mp4  43.15M
├──052-10-测试结果演示分析.mp4  89.26M
├──053-4-实用Dataloader加载数据并训练模型.mp4  58.76M
├──054-1-Dataloader要完成的任务分析.mp4  30.73M
! D& E. h* z- @( E' F3 A9 f$ t├──055-2-图像数据与标签路径处理.mp4  42.01M
) A4 D$ K$ @! F1 S5 [  `# N├──056-3-Dataloader中需要实现的方法分析.mp4  42.72M
├──057-1-数据集与任务目标分析.mp4  35.39M
# I* E# B% d# ], B1 B├──058-2-文本数据处理基本流程分析.mp4  50.52M
├──059-3-命令行参数与DEBUG.mp4  32.16M
( B+ r! t# T+ ~9 d& P├──060-4-训练模型所需基本配置参数分析.mp4  37.92M
. p9 n) w$ p, {9 I( y- D├──061-5-预料表与字符切分.mp4  29.12M
├──062-6-字符预处理转换ID.mp4  30.93M
9 m) C# @( m+ f4 s0 P6 m# V├──063-7-LSTM网络结构基本定义.mp4  31.93M
├──064-8-网络模型预测结果输出.mp4  35.74M
├──065-9-模型训练任务与总结.mp4  41.31M
; `0 c; R- ^8 e1 n' U3 p, q; K├──066-1-基本结构与训练好的模型加载.mp4  19.14M
0 r/ [  l  Y& }- Z├──067-2-服务端处理与预测函数.mp4  39.02M
: u6 L; j, N# C( [& }├──068-3-基于Flask测试模型预测结果.mp4  40.01M
├──069-1-视觉transformer要完成的任务解读.mp4  30.10M
9 {- H. B$ E# ]├──070-1-项目源码准备.mp4  42.71M
6 R- Q' V4 K. ?: @& X3 T1 P; M" O├──071-2-源码DEBUG演示.mp4  31.69M
├──072-3-Embedding模块实现方法.mp4  42.25M
6 h4 C7 J- A1 \! N├──073-4-分块要完成的任务.mp4  34.85M
├──074-5-QKV计算方法.mp4  39.38M
├──075-6-特征加权分配.mp4  39.25M
' t& I* s7 e0 w! \" l  {├──076-7-完成前向传播.mp4  35.62M
9 @/ [' a$ G  W& m8 b5 r/ G8 d└──077-8-损失计算与训练.mp4  44.40M
/ Z4 T* ^, R; v( M7 w
$ }7 Z9 C3 y$ n$ d9 g& K# j) E


# `: @; f% a% T( V* w& P资源下载地址和密码（百度云盘）：

游客，如果您要查看本帖隐藏内容请回复

[/hide] 百度网盘信息回帖可见

/ U6 a6 ^7 h( u( P, ^' A/ T; x& `2 V# L
# P5 q- Y/ j( m: ~5 }
本资源由Java自学网收集整理【www.javazx.com】

莎莎

强烈支持楼主ing……

香蕉脱了皮

楼主加油，我们都看好你哦。

Isa

棒棒哒！！很不错！！

gxfan

非常不错的资料，想看看

dabomeinv

不错的视频资料站

不帅

学习下

panic55

多谢分享~~~~~~~~~~~~~

只想知道

多谢楼主 收下了

心愿

哈哈哈哈哈，开心