雅思口语的核心：说话像个人
20.0万播放
552
0
2023-07-19 12:00:00
未经作者授权，禁止转载
13
2
4
3
课程总结
收起全部章节
关闭课程总结
暂无课程总结
英文视频：https://www.youtube.com/watch?v=KHihycWC-BM
学习
7/245
加载中...
5209播放
697播放
【完结】【Grammar in Use 全网首套视频教程】剑桥在用语法中级 手把手讲解 英语语法
173.6万播放
课前准备事项
04:50
预备知识补充 2020.2.26传
10:13
必看 分享我一直用的目录学习方法
04:44
Unit 1 现在进行时 补充意群的概念 分析句子结构
19:21
如何用Grammar这套书去做精读泛读
11:26
中级目录和学习顺序介绍
06:28
Unit 2 一般现在时 补充讲解学会扫读意群
18:01
Unit 3 现在进行时i am doing 和一般现在时i do比较1
08:53
Unit 4 现在进行时i am doing 和一般现在时i do比较2
20:10
补充知识讲解：系统学习语法书籍推荐
06:00
补充知识讲解：学语法到底是为了什么 / 思路纠正
06:39
补充知识讲解：为什么我要强调旋元佑老师的句法体系结构
05:13
Unit 5 一般过去时 I did
41:30
Unit 6 过去进行时 I was doing
27:00
Unit 7 现在完成时1 I have done
27:24
补充知识讲解：动词时态汇总 总结
14:44
Unit 8 现在完成时2 I have done
15:02
Unit 9 现在完成进行时 I have been doing
19:52
Unit 10 现在完成进行时have been doing和现在完成时have done比较
14:51
Unit 11 How long have you (been) ...?
23:16
Unit 12 for/since , when..?/How long...?
12:55
Unit 13 现在完成时I have done 与一般过去时did 比较1
19:38
Unit 14 现在完成时I have done 与一般过去时did 比较2
13:10
Unit 15 过去完成时 I had done
20:20
Unit 16 过去完成进行时 I had been doing
17:02
Unit 17 have 与 have got
10:19
Unit 18 used to (do)
17:06
Unit 19 现在时(I am doing / I do)表示将来
12:16
Unit 20 （I'm）going to (do)
08:44
Unit 21 will/shall (1)
20:25
Unit 22 will/shall (2)
09:47
Unit 23 I will 与 I'm going to 比较
08:32
Unit 24 will be going 与 will have done 比较
14:46
Unit 25 主将从现 I'll call you again when I arrive
12:56
Unit 26 can, could 与 be able to 比较
20:20
Unit 27 could do 与 could have done 比较
27:08
Unit 28 must 与 can't 比较
12:15
Unit 29 may 与 might 比较1
23:51
Unit 30 may 与 might 比较2
05:26
Unit 31 have to 与 must 比较
15:25
Unit 32 must mustn't needn't
10:11
Unit 33 should 1
13:39
Unit 34 should 2
13:15
Unit 35 had better ... It's time...
21:13
Unit 36 would
21:08
Unit 37 Can/Could/Would you...? etc.
08:44
Unit 38 If I do ... 与 If I did... 比较
15:42
Unit 39 If I knew... I wish I knew...
16:55
Unit 40 If I had known... I wish I had known...
22:36
Unit 41 wish
08:48
Unit 42 被动语态Passive（1）is done / was done
26:34
Unit 43 被动语态Passive（2）be done / been done / being done
27:54
Unit 44 被动语态Passive（3）
15:05
Unit 45 It is said that... He is said to... He is supposed to...
19:07
Unit 46 have something done
09:40
Unit 47 间接引语（1） he said that...
08:07
Unit 48 间接引语（2）
09:42
Unit 49 疑问句（1）
26:58
Unit 50 疑问句（2）Do you know where ...?
16:10
Unit 51 助动词（have/do/can/be等）I think so等
13:22
Unit 52 反意疑问（do you? isn't it? etc.）
09:59
Unit 53 动词+ing（enjoy doing）
17:10
Unit 54 动词+to... 动词不定式（decide to...）
11:38
Unit 55 动词（+宾语）+to...（I want you to...）
08:10
Unit 56 动词+ing或to（1）remember, regret
09:06
Unit 57 动词+ing或to（2) try, need, help
09:19
Unit 58 动词+ing或to（3) like, would like
09:47
Unit 59 prefer 与 would rather 比较
18:19
Unit 60 Preposition 介词 + V-ing
21:34
Unit 61 be/get used to doing
11:06
Unit 62 Verb + 介词 + doing（succeed in doing..）
16:10
Unit 63 there's no point in doing, it's worth doing..
16:48
Unit 64 to... for... and so that ...
17:35
Unit 65 Adjective + to do
16:02
Unit 66 afraid to do... afraid of doing... etc.
12:15
Unit 67 see sb do , see sb doing
07:22
Unit 68 Having finished her work , she went home
14:15
Unit 69 countable and uncountable 1
17:46
Unit 70 countable and uncountable 2
13:12
Unit 71 countable nouns with a an ,some
19:11
Unit 72 a an and the
14:12
Unit 73 the 1
12:18
Unit 74 the 2 (school ,the school)
13:45
Unit 75 the 3 (children ,the children)
12:21
Unit 76 the 4 (the giraffe, the old ,the French)
11:21
Unit 77 加the 不加the 的names
21:28
Unit 78 加the 不加the 的names 2
10:04
Unit 79 Singular and plural 特殊的单复数
18:08
Unit 80 Noun + Noun (a bus driver)
18:10
Unit 81 -'s your sister's house and of ...
19:52
Unit 82 反身代词 myself yourself etc.
13:28
Unit 83 a friend of mine, my own house, on my own, by myself
15:03
Unit 84 there... and it...
17:03
Unit 85 some, any
19:27
Unit 86 no, none, any, nothing, nobody
18:16
Unit 87 much, many, little, few, a lot, plenty
14:22
Unit 88 all, all of ; most, most of ; no, none of
12:26
Unit 89 both, both of; neither, neither of; either, either of
14:34
Unit 90 all, every, whole
09:11
Unit 91 each and every
12:37
Unit 92 关系(定语)从句1
21:12
Unit 93 关系(定语)从句2 可省略who which that的情况
14:43
Unit 94 关系(定语)从句3 whose whom where
12:52
Unit 95 关系(定语)从句4 非限定性从句1
14:54
Unit 96 关系(定语)从句5 非限定性从句2
13:31
Unit 97 关系(定语)从句7 -ing -ed分词短语做后置定语
15:41
Unit 98 以ing 和 ed 结尾的形容词对比
10:45
Unit 99 形容词词序 连缀动词
13:06
Unit 100 形容词与副词1 quick, quickly
13:56
Unit 101 形容词与副词2 well, fast, late, hard, hardly
15:03
Unit 102 so , such
20:04
Unit 103 enough and too
16:50
Unit 104 quite, pretty, rather, fairly
12:22
Unit 105 Comparative 1 比较级 cheaper, more expensive
15:44
Unit 106 Comparative 2 much better, any better
14:23
Unit 107 Comparative 3 as...as, than
19:01
Unit 108 Superlative the longest, the most enjoyable
14:47
Unit 109 Word order 1, verb object, place and time
16:07
Unit 110 Word order 2, adverbs with the verb
21:03
Unit 111 still, any more, yet, already
13:12
Unit 112 even
16:29
Unit 113 although, though, even though, in spite of, despite
16:39
Unit 114 in case
09:50
Unit 115 unless, as long as, provided
10:40
Unit 116 as
07:50
Unit 117 like and as
11:43
Unit 118 like, as if
10:28
Unit 119 during, for, while
12:20
Unit 120 by and until, by the time
11:56
Unit 121 at, on, in (time)
13:31
Unit 122 on time and in time, at the end and in the end
07:47
Unit 123 in, at, on position1
08:42
Unit 124 in, at, on position2
12:38
Unit 125 in, at, on position3
11:54
Unit 126 to, at, in and into
11:40
Unit 127 in, on, at other uses
07:15
Unit 128 by
07:31
Unit 129 Noun+preposition, reason for, cause of
10:35
Unit 130 Adjective+preposition 1
11:11
Unit 131 Adjective+preposition 2
08:17
Unit 132 Verb+preposition 1 to and at
07:30
Unit 133 Verb+preposition 2 about, for, of, after
07:09
Unit 134 Verb+preposition 3 about and of
08:09
Unit 135 Verb+preposition 4 of, for, from, on
07:55
Unit 136 Verb+preposition 5 in, into, with, to, on
07:37
Unit 137 Phrasal verbs 1 Introduction
08:55
Unit 138 Phrasal verbs 2 in, out
08:40
Unit 139 Phrasal verbs 3 out
08:51
Unit 140 Phrasal verbs 4 on, off 1
06:50
Unit 141 Phrasal verbs 5 on, off 2
06:39
Unit 142 Phrasal verbs 6 up, down
07:31
Unit 143 Phrasal verbs 7 up1
07:40
Unit 144 Phrasal verbs 8 up2
08:21
Unit 145 Phrasal verbs 9 away, back
13:52
762播放
552播放
6410播放
(强推|双字)最新吴恩达机器学习Deeplearning.ai课程
285.8万播放
第一课 第一周 1.1 欢迎参加《机器学习》课程
02:45
1.2 机器学习应用
04:29
2.1 机器学习定义
05:36
2.2 监督学习-part-1
06:57
2.3 监督学习-part-2
07:17
2.4 无监督学习-part-1
08:54
2.5 无监督学习-part-2
03:40
2.6 Jupyter notebooks
04:30
3.1 线性回归模型-part-1
10:27
3.2 线性回归模型-part-2
06:45
3.3 代价函数公式
09:05
3.4 理解代价函数
15:47
3.5 可视化代价函数
08:34
3.6 可视化举例
06:01
4.1 梯度下降
08:04
4.2 梯度下降的实现
10:00
4.3 理解梯度下降
07:02
4.4 学习率
09:04
4.5 用于线性回归的梯度下降
06:37
4.6 运行梯度下降
05:49
第二周 1.1 多维特征
09:52
1.2 向量化-part-1
06:55
1.3 向量化-part-2
06:53
1.4 用于多元线性回归的梯度下降法
07:46
2.1 特征缩放-part-1
06:36
2.2 特征缩放-part-2
07:35
2.3 判断梯度下降是否收敛
05:40
2.4 如何设置学习率
06:07
2.5 特征工程
03:05
2.6 多项式回归
05:52
第三周 1.1 动机与目的
09:48
1.2 逻辑回归
09:49
1.3 决策边界
10:43
2.1 逻辑回归中的代价函数
12:00
2.2 简化逻辑回归代价函数
05:45
3.1 实现梯度下降
06:32
4.1 过拟合问题
11:53
4.2 解决过拟合
08:16
4.3 正则化
09:04
4.4 用于线性回归的正则方法
08:53
4.5 用于逻辑回归的正则方法
05:33
（选修）Andrew Ng对话Feifei Li-以人为本的人工智能研究
41:43
第二课 第一周1.1 欢迎
02:54
1.2 神经元和大脑
10:53
1.3 需求预测
16:23
1.4 举例-图像感知
06:36
2.1 神经网络中的网络层
09:50
2.2 更复杂的神经网络
07:19
2.3 神经网络前向传播
05:24
3.1 如何用代码实现推理
07:13
3.2 Tensorflow中数据形式
11:20
3.3 搭建一个神经网络
08:21
4.1 单个网络层上的前向传播
05:07
4.2 前向传播的一般实现
07:53
5.1 强人工智能
10:35
6.1 神经网络为何如此高效
04:23
6.2 矩阵乘法
09:28
6.3 矩阵乘法规则
09:33
6.4 矩阵乘法代码
06:42
第二周 1.1 Tensorflow实现
03:38
1.2 模型训练细节
13:41
2.1 Sigmoid激活函数的替代方案
05:30
2.2 如何选择激活函数
08:25
2.3 为什么模型需要激活函数
05:32
3.1 多分类问题
03:29
3.2 Softmax
11:33
3.3 神经网络的Softmax输出
07:25
3.4 Softmax的改进实现
09:13
3.5 多个输出的分类
04:20
4.1 高级优化方法
06:26
4.2 其他的网络层类型
08:56
5.1 什么是导数（选修）
22:57
5.2 计算图（选修）
19:20
5.3 大型神经网络案例（选修）
09:53
第三周 1.1 决定下一步做什么
03:42
1.2 模型评估
10:26
1.3 模型选择&交叉验证测试集的训练方法
14:53
2.1 通过偏差与方法进行诊断
11:13
2.2 正则化、偏差、方差
10:37
2.3 制定一个用于性能评估的基准
09:26
2.4 学习曲线
12:14
2.5 （修订）决定下一步做什么
08:47
2.6 方差与偏差
10:45
3.1 机器学习开发的迭代
07:43
3.2 误差分析
08:21
3.3 添加更多数据
14:24
3.4 迁移学习-使用其他任务中的数据
12:11
3.5 机器学习项目的完整周期
08:45
3.6 公平、偏见与伦理
09:56
4.1 倾斜数据集的误差指标
11:36
4.2 精确率与召回率的权衡
11:50
第四周 1.1 决策树模型
07:06
1.2 学习过程
11:21
2.1 纯度
07:50
2.2 选择拆分信息增益
11:52
2.3 整合
09:29
2.4 独热编码One-hot
05:26
2.5 连续有价值的功能
06:54
2.6 回归树
09:51
3.1 使用多个决策树
03:57
3.2 有放回抽样
04:00
3.3 随机森林
06:23
3.4 XGBoost
07:26
3.5 何时使用决策树
06:55
（选修）Andrew Ng 和 Chris Manning 谈自然语言处理
47:28
第三课 第一周1.1 欢迎来到第三课
03:22
2.1 什么是聚类
04:13
2.2 K-means直观理解
06:50
2.3 K-means算法
09:50
2.4 优化目标
11:13
2.5 初始化 K-means
08:54
2.6 选择聚类数量
07:58
3.1 发现异常事件
11:54
3.2 高斯正态分布
10:51
3.3 异常检测算法
12:09
3.4 开发与评估异常检测系统
11:39
3.5 异常检测与监督学习对比
08:09
3.6 选择使用什么特征
14:58
第二周 1.1 提出建议
05:33
1.2 使用每个特征
11:23
1.3 协同过滤算法
13:56
1.4 二进制标签
08:28
2.1 均值归一化
08:46
2.2 协同过滤TensorFlow实现
11:38
2.3 寻找相关特征
06:34
3.1 协同过滤与基于内容过滤对比
09:46
3.2 基于内容过滤的深度学习方法
09:43
3.3 从大型目录中推荐
07:53
3.4 推荐系统中的伦理
10:49
3.5 基于内容过滤的TensorFlow实现
04:49
4.1 降低特征数量（选修）
12:24
4.2 PCA算法（选修）
17:51
4.3 PCA代码实现（选修）
11:04
第三周 1.1 什么是强化学习
08:49
1.2 示例：火星探测器
06:42
1.3 强化学习的回报
10:19
1.4 决策：强化学习中的策略
02:38
1.5 审查关键概念
05:35
2.1 状态-动作价值函数定义
10:37
2.2 状态-动作价值函数示例
05:23
2.3 贝尔曼方程
12:53
2.4 random stochastic environment（可选）
08:25
3.1 示例：连续状态空间应用
06:25
3.2 登月器
05:54
3.3 学习状态值函数
16:51
3.4 算法改进：改进的神经网络架构
03:01
3.5 算法改进：ε-贪婪策略
09:00
3.6 算法改进：小批量和软更新（可选）
11:44
3.7 强化学习的状态
02:55
3.8 课程总结和致谢
03:12
（选修）Andrew Ng 和 Chelsea Finn 谈人工智能和机器人技术
33:20
【清华NLP】刘知远团队大模型公开课全网首发｜带你从入门到实战
66.0万播放
1-1 课程内容介绍
01:37
1-2 课程大纲
01:57
1-3 课程计划
03:34
1-4 自然语言处理基础--基础与应用
28:39
1-5 自然语言处理基础--词表示与语言模型
24:41
1-6 大模型基础--大模型之旅
05:33
1-7 大模型基础--大模型背后的范式
02:47
1-8 大模型基础--实例
13:29
1-9 编程环境和GPU服务器介绍
03:31
2-1 课程内容介绍
01:42
2-2 神经网络基础--大纲介绍
01:00
2-3 神经网络的基本组成元素
13:36
2-4 如何训练神经网络
22:07
2-5 词向量：Word2vec
15:32
2-6 循环神经网络（RNN）
10:12
2-7 门控循环单元（GRU）
04:45
2-8 长短期记忆网络（LSTM）
06:32
2-9 双向RNN
02:21
2-10 卷积神经网络（CNN）
08:02
2-11 演示：使用PyTorch训练模型
14:24
3-1 课程内容介绍
00:38
3-2 注意力机制--原理介绍
08:14
3-3 注意力机制--注意力机制的各种变式
00:52
3-4 注意力机制--注意力机制的特点
01:41
3-5 Transformer结构--概述
04:13
3-6 Transformer结构--输入编码（BPE,PE）
08:38
3-7 Transformer结构--Encoder Block
10:36
3-8 Transformer结构--Decoder Block
03:34
3-9 Transformer结构--优化Tricks
00:51
3-10 Transformer结构--试验结果以及可视化
02:17
3-11 Transformer结构--Transformer优缺点
01:54
3-12 预训练语言模型--语言建模概述
05:11
3-13 预训练语言模型--PLM介绍
25:40
3-14 预训练语言模型--MLM任务的应用
04:08
3-15 预训练语言模型--前沿大模型介绍
06:15
3-16 Transformers教程--Introduction
05:44
3-17 Transformers教程--使用Transformers的Pipeline
02:13
3-18 Transformers教程--Tokenization
01:51
3-19 Transformers教程--常用API介绍
01:58
3-20 Transformers教程--Demo讲解
18:34
4-1 课程内容介绍
01:39
4-2 Prompt-Learning和Delta-Tuning--背景和概览
17:22
4-3 Prompt-Learning--基本组成与流程介绍
08:10
4-4 Prompt-Learning--PTM选取
03:17
4-5 Prompt-Learning--Template构造
17:25
4-6 Prompt-Learning--Verbalizer构造
06:02
4-7 Prompt-Learning--训练新范式
10:34
4-8 Prompt-Learning--应用
02:13
4-9 Prompt-Learning--总结
01:31
4-10 Delta-Tuning--背景与介绍
04:54
4-11 Delta-Tuning--增量式tuning
04:39
4-12 Delta-Tuning--指定式tuning
00:50
4-13 Delta-Tuning--重参数化tuning
02:03
4-14 Delta-Tuning--统一tuning框架及理论联系
08:28
4-15 Delta-Tuning--总结
01:50
4-16 OpenPrompt--介绍与用法
16:45
4-17 OpenDelta--介绍与用法
15:35
5-1 课程内容介绍
02:17
5-2 BMTrain--背景介绍
07:57
5-3 BMTrain--Data Parallel (数据并行)
11:26
5-4 BMTrain--Model Parallel（模型并行）
05:07
5-5 BMTrain--ZeRO
10:26
5-6 BMTrain--Pipeline Parallel (流水线并行)
02:10
5-7 BMTrain--混合精度训练
04:04
5-8 BMTrain--Offloading
01:47
5-9 BMTrain--Overlapping
01:24
5-10 BMTrain--Checkpointing
02:35
5-11 BMTrain--使用介绍
01:12
5-12 BMCook--背景介绍
06:03
5-13 BMCook--知识蒸馏
15:39
5-14 BMCook--模型剪枝
14:54
5-15 BMCook--模型量化
05:25
5-16 其它模型压缩方法--Weight Sharing
03:00
5-17 其它模型压缩方法--Low-rank Approximation
03:16
5-18 其它模型压缩方法--Architecture Search (结构搜索)
03:19
5-19 BMCook--使用介绍
06:29
5-20 BMInf--背景介绍
09:04
5-21 BMInf--深入理解Transformer
07:07
5-22 BMInf--Quantization (量化)
06:48
5-23 BMInf--Memory Scheduling
06:41
5-24 BMInf--BMInf使用介绍
05:03
6-1 基于大模型文本理解和生成介绍
05:43
6-2 信息检索--背景
02:13
6-3 信息检索--定义和评测
05:22
6-4 信息检索--传统方法
03:35
6-5 信息检索--神经网络方法（大模型）
05:11
6-6 信息检索--前沿热点
14:21
6-7 机器问答--QA介绍
10:07
6-8 机器问答--阅读理解
11:55
6-9 机器问答--开放域QA
18:51
6-10 文本生成--介绍
01:19
6-11 文本生成--文本生成任务
05:36
6-12 文本生成--神经网络文本生成
26:17
6-13 文本生成--受控文本生成
04:43
6-14 文本生成--文本生成测评
03:15
6-15 文本生成--挑战
06:37
7-1 课程内容介绍安排
00:54
7-2 生物医学自然语言处理介绍
05:58
7-3 生物医学文本挖掘的任务
20:28
7-4 生物医学文本挖掘的PLMs
01:56
7-5 生物医学文本挖掘的知识构建
03:19
7-6 生物医学文本挖掘的应用
05:41
7-7 生物医学辅助诊疗--介绍
01:47
7-8 生物医学辅助诊疗--文本分类
03:54
7-9 生物医学辅助诊疗--对话
25:10
7-10 生物医学辅助诊疗总结
03:08
7-11 生物医学特定物质表征过程
04:08
7-12 生物医学特定物质表征--DNA
07:38
7-13 生物医学特定物质表征--Protein
15:08
7-14 生物医学特定物质表征--Chemicals
13:30
7-15 Project
02:12
7-16 生物医学NLP--未来方向
03:07
8-1 大模型与法律应用Outline
02:57
8-2 背景介绍
08:19
8-3 法律智能应用
19:59
8-4 两条研究路线
02:37
8-5 数据驱动方法
02:12
8-6 法律预训练语言模型
20:40
8-7 知识指导方法
40:28
8-8 法理量化分析
06:05
8-9 法律智能未来方向
03:06
8-10 法律智能未来挑战
03:51
9-1 脑科学及大模型--主题介绍
02:09
9-2 人脑与大模型--背景介绍
08:17
9-3 人脑与大模型--人脑如何构建知识
04:07
9-4 人脑与大模型--语言处理原则
02:14
9-5 人脑与大模型--揭示语言的魔力
14:23
9-6 大模型中的神经元--背景介绍
05:51
9-7 大模型中的神经元--激活情况分析
07:24
9-8 大模型中的神经元--转换模型架构MOE
12:16
9-9 大模型神经元的应用--学到的特定功能
24:15
9-10 大模型神经元的应用--作为迁移指标
16:39
9-11 大模型神经元的应用--表示情感
13:33
9-12 大模型认知能力--介绍
07:54
9-13 大模型认知能力--下游任务实例
14:17
9-14 大模型认知能力--挑战与限制
01:13
9-15 课程总结
02:02
10.0万播放
8.3万播放
5492播放
秒懂英语介词！英语介词超全辨析！一目了然！
23.9万播放
秒懂英语介词！英语介词超全辨析！一目了然！
01:31
吃透全部英语语法！9页纸看懂！一目了然！！
01:31
100组！长得很相似的单词！一次性全消灭！
01:31
10页纸！吃透全部英语语法体系！基础差救星！
01:31
400个语法公式！拯救零基础语法！高分逆袭！
01:31
这个语法顺口溜太顶了！51条！拒绝死记硬背！
01:31
2.5万播放
14.8万播放
130.7万播放
6.1万播放
B站首推！2023公认最通俗易懂的【医学图像处理】教程，入门基础到项目实战 全程干货无废话！ Medical Image Analysis
18.6万播放
1.开课宣传
02:37
2.1-1 简介
05:52
3.1-2 图像与医学图像的由来
14:47
4.1-3 医学图像的种类
15:53
5.1-4 医学图像处理的流程
12:25
6.2-1-1 图像的灰度直方图与二值化
06:42
7.2-1-2 图像的灰度直方图与二值化
25:17
8.2-2-1 图像卷积及其滤波
16:45
9.2-2-2 图像卷积及其滤波
13:44
10.2-2-3 图像卷积及其滤波
14:48
11.2-3-1 图像的基本操作和特征
21:37
12.2-3-2 图像的基本操作和特征
09:51
13.2-3-3 图像的基本操作和特征
14:29
14.2-4-1 VTK与ITK（上）
20:23
15.2-4-1 VTK与ITK（下）
09:18
16.2-4-2 VTK与ITK
15:56
17.3-1-1 二值的形态学（上）
17:53
18.3-1-1 二值的形态学（中）
11:40
19.3-1-1 二值的形态学（下）
12:15
20.3-1-2 二值的形态学（上）
22:29
21.3-1-2 二值的形态学（下）
15:42
22.3-1-3 二值的形态学
12:32
23.3-2-1 灰度的形态学（上）
17:51
24.3-2-1 灰度的形态学（下）
16:25
25.3-2-2 灰度的形态学（上）
15:12
26.3-2-2 灰度的形态学（下）
18:42
27.3-3-1 分水岭算法
14:12
28.3-3-2 分水岭算法
19:27
29.4-1-1 彩色图像
10:38
30.4-1-2 彩色图像
14:17
31.4-2-1 三维图像
09:51
32.4-2-2 三维图像
10:00
33.5-1-1 形变模型
09:27
34.5-1-2 形变模型（上）
07:32
35.5-1-2 形变模型（下）
15:35
36.5-1-3 形变模型
08:29
37.5-2-1 图像分割
19:45
38.5-2-2 图像分割
11:43
39.6-1-1 多模态医学图像配准
08:26
40.6-1-2 多模态医学图像配准
25:36
41.6-2 图像重采样
07:30
42.6-3-1 刚体配准
10:34
43.6-3-2 刚体配准
15:42
44.6-4-1 非刚体配准
07:31
45.6-4-2 非刚体配准
17:53
46.6-5 互信息测度
16:44
47.6-6 多解像度配准和评价
11:39
吹爆！这可能是2023最新的PyTorch教程了，半天带你从入门到实战，看完就对PyTorch全面了解！人工智能|机器学习|深度学习|pytorch|神经网络
48.9万播放
1. PyTorch实战课程简介
05:00
2. PyTorch框架发展趋势简介
08:26
3. 框架安装方法（CPU与GPU版本）
05:14
4. PyTorch基本操作
09:26
5. 自动求导机制
11:00
6. 线性回归DEMO-数据与参数配置
08:58
7. 线性回归DEMO-训练回归模型
10:09
8. 补充：常见tensor格式
07:11
9. 补充：Hub模块简介
08:27
10. 气温数据集与任务介绍
06:43
11. 按建模顺序构建完成网络架构
11:40
12. 简化代码训练网络模型
11:05
13. 分类任务概述
05:14
14. 构建分类网络模型
09:41
15. DataSet模块介绍与应用方法
10:13
16. 卷积神经网络应用领域
07:26
17. 卷积的作用
09:25
18. 卷积特征值计算方法
08:08
19. 得到特征图表示
07:00
20. 步长与卷积核大小对结果的影响
08:12
21. 边缘填充方法
06:32
22. 特征图尺寸计算与参数共享
07:03
23. 池化层的作用
05:39
24. 整体网络架构
06:21
25. VGG网络架构
06:17
26. 残差网络Resnet
07:42
27. 感受野的作用
05:47
28. 卷积网络参数定义
07:22
29. 网络流程解读
07:28
30. Vision模块功能解读
05:12
31. 分类任务数据集定义与配置
06:28
32. 图像增强的作用
04:52
33. 数据预处理与数据增强模块
09:26
34. Batch数据制作
08:39
35. 迁移学习的目标
05:33
36. 迁移学习策略
07:13
37. 加载训练好的网络模型
09:56
38. 优化器模块配置
05:15
39. 实现训练模块
08:17
40. 训练结果与模型保存
09:32
41. 加载模型对测试数据进行预测
09:11
42. 额外补充-Resnet论文解读
11:48
43. 额外补充-Resnet网络架构解读
08:27
44. RNN网络架构解读
11:28
45. 词向量模型通俗解释
08:15
46. 模型整体框架
10:11
47. 训练数据构建
05:12
48. CBOW与Skip-gram模型
08:21
49. 负采样方案
07:41
50. 任务目标与数据简介
07:20
51. RNN模型所需输入格式解析
06:55
52. 项目配置参数设置
10:28
53. 新闻数据读取与预处理方法
08:09
54. LSTM网络模块定义与参数解析
09:37
55. 训练LSTM文本分类模型
08:56
56. Tensorboardx可视化展示模块搭建
09:18
57. CNN应用于文本任务原理解析
10:47
58. 网络模型架构与效果展示
10:59
59. 对抗生成网络通俗解释
08:26
60. GAN网络组成
05:15
61. 损失函数解释说明
10:07
62. 数据读取模块
08:28
63. 生成与判别网络定义
08:40
64. CycleGan网络所需数据
06:51
65. CycleGan整体网络架构
10:04
66. PatchGan判别网络原理
04:41
67. Cycle开源项目简介
07:08
68. 数据读取与预处理操作
10:18
69. 生成网络模块构造
12:13
70. 判别网络模块构造
05:03
71. 损失函数：identity loss计算方法
09:14
72. 生成与判别损失函数指定
11:41
73. 额外补充：VISDOM可视化配置
05:55
74. OCR文字识别要完成的任务
06:30
75. CTPN文字检测网络概述
08:06
76. 序列网络的作用
09:21
77. 输出结果含义解析
07:11
78. CTPN细节概述
09:07
79. CRNN识别网络架构
06:17
80. CTC模块的作用
04:30
81. OCR文字检测识别项目效果展示
04:22
82. OCR文字检测识别项目效果展示
06:50
83. 检测模块候选框生成
08:08
84. 候选框标签制作
08:24
85. 整体网络所需模块
04:57
86. 网络架构各模块完成的任务解读
08:40
87. CRNN识别模块所需数据与标签
05:13
88. 识别模块网络架构解读
10:42
89. 3D卷积原理解读
07:44
90. UCF101动作识别数据集简介
06:03
91. 测试效果与项目配置
12:03
92. 视频数据预处理方法
07:25
93. 数据Batch制作方法
09:03
94. 3D卷积网络所涉及模块
07:52
95. 训练网络模型
08:33
96. BERT任务目标概述
05:28
97. 传统解决方案遇到的问题
11:10
98. 注意力机制的作用
06:58
99. self-attention计算方法
11:26
100. 特征分配与softmax机制
09:21
5.4万播放
加载中...
加载中...
展开