【2026版】李沐动手学深度学习系列课程!包含深度学习、机器学习算法、神经网络、计算机视觉物体检测、迁移学习、大模型微调等人工智能核心知识点!就怕你学不会!

75.4万
1178
2025-03-11 10:52:25
5165
4369
2万
2588
讲的非常好,大家一定要认真学习!!!
付费咨询/1V1辅导 论文发表,核心期刊,SCI论文,EI会议、期刊、论文带读、本硕毕业论文
视频选集
(1/160)
1-课程安排【动手学深度学习v2】
08:09
2-深度学习介绍
13:35
3-安装
16:07
4-数据操作
04:42
5-数据操作实现
14:36
6-数据预处理实现
07:27
7-线性代数
09:04
8-线性代数实现
12:52
9-按特定轴求和
07:32
10-矩阵计算
12:39
11-自动求导
11:40
12-自动求导实现
06:43
13-线性回归
14:58
14-基础优化算法
08:25
15-线性回归的从零开始实现
15:21
16-线性回归的简洁实现
06:43
17-Softmax 回归
10:27
18-损失函数
06:25
19-图片分类数据集
09:26
20-Softmax 回归从零开始实现
18:44
21-Softmax 回归简洁实现
04:10
22-Windows 下安装 CUDA 和 Pytorch 跑深度学习 - 动手学深度学习v2
07:54
23-使用 AWS 最便宜的 GPU 实例 - 动手学深度学习v2
08:16
24-感知机
13:53
25-多层感知机
22:40
26-代码实现
08:26
27-10行代码战胜90%数据科学家?
03:20
28-模型选择
18:37
29-过拟合和欠拟合
16:47
30-代码
06:48
31-权重衰退
13:03
32-代码实现
12:35
33-丢弃法
12:00
34-代码实现
12:17
35-数值稳定性
15:21
36-模型初始化和激活函数
24:04
37-实战 Kaggle 比赛:预测房价
14:31
38-课程竞赛:加州2020年房价预测
08:40
39- PyTorch 神经网络基础-模型构造
13:28
40-参数管理
17:21
41-自定义层
05:29
42-读写文件
06:04
43-使用 GPU
13:35
44-购买 GPU
08:55
45-竞赛总结
16:39
46-从全连接到卷积
15:00
47-卷积层
11:02
48-代码
10:08
49-填充和步幅
14:08
50-代码实现
05:05
51-多输入输出通道
19:33
52-代码实现
06:36
53-池化层
10:21
54-实现
06:58
55-LeNet
08:31
56-代码
21:47
57-AlexNet
35:16
58-代码
10:39
59-VGG
09:04
60-代码
07:23
61-NIN
10:55
62-代码
10:01
63-GoogLeNet
26:59
64-代码
07:10
65-批量归一化
17:59
66-代码
17:12
67-ResNet
14:10
68-代码
09:26
69-ResNet的梯度计算
08:22
70-完结竞赛:图片分类
06:37
71-CPU 和 GPU
39:22
72-更多的芯片
29:19
73-单机多卡并行
06:59
74-多GPU训练-从零开始
21:41
75-简洁实现
11:53
76-分布式训练
21:45
77-数据增广
12:49
78-代码
19:41
79-微调
13:53
80-代码
08:55
81-第二次竞赛 树叶分类结果
05:31
82-Kaggle Cifar10
27:57
83-Kaggle ImageNet Dog
19:09
84-物体检测
11:36
85-边缘框实现
03:48
86-数据集
09:46
87-锚框
18:07
88-代码
23:21
89-树叶分类竞赛技术总结
26:29
90-物体检测算法:R-CNN,SSD,YOLO
42:05
91-多尺度锚框
09:57
92-SSD
52:45
93-语义分割
07:12
94-语义分割数据集
27:57
95-转置卷积
09:21
96-代码
12:42
97-转置卷积是一种卷积
09:39
98-FCN
04:23
99-代码
17:41
100-样式迁移
04:58
101-代码
19:18
102-课程竞赛:牛仔行头检测
11:04
103-序列模型
20:04
104-代码
11:53
105-文本预处理代码
18:04
106-语言模型
16:18
107-代码
25:47
108-RNN
25:16
109-从零开始实现
48:35
110-简介实现
07:11
111-门控循环单元(GRU)
15:23
112-代码
13:57
113-长短期记忆网络(LSTM)
09:39
114-代码
04:37
115-深层循环神经网络
03:23
116-代码
02:45
117-双向循环神经网络
07:25
118-代码
01:51
119-机器翻译数据集
10:16
120-编码器-解码器架构
03:33
121-代码
02:44
122-Seq2Seq
12:35
123-代码
27:27
124-束搜索
11:44
125-注意力机制
13:58
126-代码
10:00
127-注意力分数
10:45
128-代码
15:20
129-使用注意力机制的seq2seq
10:15
130-代码
13:16
131-自注意力
27:52
132-代码
02:57
133-BERT
21:51
134-BERT代码
11:37
135-BERT预训练数据代码
08:14
136-BERT预训练代码
09:37
137-BERT微调
09:45
138-自然语言推理数据集
04:43
139-BERT微调代码
12:14
140-目标检测竞赛总结
23:57
141-优化算法
34:04
142-课程总结和进阶学习
22:37
【旧版】1. 第一课:深度学习入门
02:00:54
2. 第二课:卷积神经网络
02:02:12
3. 第三课:深度卷积网络
02:00:43
4. 第四课:模型训练策略
02:00:21
5. 第五课:优化算法基础
01:57:30
6. 第六课:计算机视觉
01:50:48
7. 第七课:物体检测-1
01:03:48
8. 第八课:物体检测-2
48:45
9. 第九课:物体检测·3
01:04:12
10. 第十课:语义分割
01:00:15
11. 第十一课:样式迁移
59:19
12. 第十二课:循环神经网络
01:09:08
13. 第十四课:循环神经网络的实现、训练和应
01:04:51
14. 第十三课:正向传播与反向传播
01:05:38
15. 第十五课:GRU、LSTM及多层循环神经网络实现
01:05:51
16. 第十六课:词向量
01:07:37
17. 第十七课:GloVe、fastText和词向量
01:06:26
18. 第十八课:seq2seq和注意力机制
01:05:26
客服
顶部
赛事库 课堂 2021拜年纪