【121集付费!】CNN、RNN、GAN、GNN、DQN、Transformer、LSTM等八大深度学习神经网络一口气全部学完!

2796
5
2025-02-18 11:59:09
37
42
127
11
感谢您的支持~ up已经整理打包好了视频配套的学习资料,有需要的可以在下方三连+留言领取!!!
助力技术人的每一次成长|提供晚间技术公开直播!欢迎咨询:人工智能基础课程/大模型课程/论文发表
视频选集
(89/121)
1-1 深度学习基础-1.深度学习介绍:01_深度学习课程介绍
03:46
02_深度学习介绍
16:18
03_深度学习介绍2
02:44
2.神经网络基础:01_逻辑回归介绍
13:23
02_逻辑回归损失函数
07:43
03_梯度下降算法过程以及公式
10:28
04_导数意义介绍
04:13
05_a^2函数的导数介绍
10:16
06_导数计算图与链式法则
14:16
07_逻辑回归的导数计算图分析以及参数导数
11:00
08_向量化编程介绍引入
09:50
09_向量化编程的优势
10:20
10_向量化实现逻辑回归的梯度计算更新
09:40
11_正向传播与反向传播、作业介绍
06:12
12_作业讲解题1:实现sigmoid函数与梯度实
03:40
13_作业讲解题2:单神经元神经网络(logistic)分类作业流程介绍
03:51
14_作业讲解题2:参数初始化与前向传播、反向传播
10:09
15_作业讲解题2:优化迭代实现、model逻辑实现
08:42
16_总结
05:21
3.浅层神经网络:01_浅层神经网络表示
08:20
02_浅层神经网络的前向传播
06:55
03_激活函数的选择
11:17
04_浅层神经网络的反向传播
10:26
05_作业介绍
02:41
06_作业实现:初始化模型与前向传播
12:00
07_作业实现:反向传播与更新梯度
14:15
08_作业实现:网络模型逻辑实现
05:34
09_总结
02:35
4.深层神经网络:01_深层神经网络表示
08:17
02_深层神经网络的反向传播过程
05:27
03_参数初始化与超参数介绍
06:20
1-2 深度学习优化进阶-1.多分类:01_深度学习紧接、多分类介绍
09:20
02_交叉熵损失原理
14:29
03_案例:Mnist手写数字数据介绍
07:56
04_案例:网络结构、流程、代码介绍
10:23
05_案例:主网络结构搭建实现
20:20
06_案例:添加准确率
13:08
07_案例:Tensorboard观察显示
10:28
08_案例:添加模型保存、预测
12:19
09_调整学习率带来的问题
04:23
2.梯度下降算法优化:01_深度学习遇到问题、为什么需要优化算法
13:30
02_Mini梯度下降与Batch梯度下降
14:19
03_指数加权平均
09:08
04_动量梯度下降原理公式理解
17:25
05_RMSProp与Adam原理与学习率递减
05:29
06_标准化输入带来的优化
08:01
07_作业介绍
02:59
08_作业讲解1
24:40
09_作业讲解2
02:24
3.深度学习正则化:01_深度学习偏差与方差介绍为、什么需要正则化
15:39
02_正则化概念、L2正则化与L1正则化
12:40
03_Droupout过程与原理理解
17:57
04_其它正则化方法-早停止法与数据增强
13:56
05_正则化作业介绍
02:49
06_作业讲解1
07:54
07_作业讲解2
02:57
4.神经网络调参与BN:01_神经网络调参数技巧与如何设置参数、如何运行
09:29
02_批标准化定义、公式、为什么有效
22:28
1-3 卷积神经网络-1.卷积网络原理:01_卷积来源、数据量与感受野的边缘检测
23:43
02_卷积网络结构介绍
04:59
03_默认卷积的运算过程
05:42
04_零填充
08:56
05_过滤器大小与步长
09:44
06_多通道的卷积与多卷积核
06:32
07_卷积总结
12:52
08_池化层
06:33
09_全连接层
04:14
2.经典分类结构:01_LeNet5的计算过程详解
18:49
02_常见网络结构介绍
10:33
03_Inception(1x1卷积介绍)
13:33
04_Inception结构以及改进
09:47
05_GoogleNet了解与卷积网络学习内容
06:13
3.CNN实战:01_作业介绍
03:35
02_作业讲解
20:35
03_迁移学习
11:17
1-4 循环神经网络-1.循环神经网络:01_循环神经网络背景介绍
07:05
02_循环神经网络结构原理
13:25
03_词的表示与矩阵形状运算
16:14
04_交叉熵损失计算
03:10
05_时间反向传播算法
14:56
06_梯度消失、案例介绍
07:17
07_手写RNN案例:单个cell前向传播
11:51
08_手写RNN案例:所有cell的前向传播
15:46
09_手写RNN案例:单个cell的反向传播
15:33
10_手写RNN案例:所有cell的反向传播
21:03
11_案例总结
02:19
12_GRU与LSTM介绍
11:52
2.词嵌入:01_词嵌入介绍
11:00
02_词嵌入案例
12:28
3.seq2seq与Attention机制:01_seq2seq介绍与理解
11:41
02_seq2seq机器翻译等场景介绍分析
03:26
03_Attention原理分析
20:30
04_机器翻译案例:日期格式翻译转换、代码结构介绍
05:50
05_机器翻译案例:模型参数定义
06:44
06_机器翻译案例:数据获取以及数据格式转换介绍
08:26
07_机器翻译案例:训练逻辑与网络结构介绍
11:20
08_机器翻译案例:网络输入输出逻辑介绍
06:36
09_机器翻译案例:网络输入输出逻辑编写
15:31
10_机器翻译案例:自定义网络seq2seq的编解码器定义
10:19
11_机器翻译案例:seq2seq的输出层定义
03:20
12_机器翻译案例:attention结构定义
15:56
13_机器翻译案例:model中计算attention输出c逻辑函数实现
10:29
14_机器翻译案例:训练逻辑编写
04:43
15_机器翻译案例:训练结果与问题解决
02:05
16_机器翻译案例:测试逻辑结果演示
03:36
17_集束搜索介绍
07:53
1-5 高级主题-1.生产对抗网络:01_高级主题介绍、GAN介绍
15:35
02_GAN原理、损失和DCGAN结构
10:38
03_生成数字图片案例:结果演示流程介绍
06:22
04_生成数字图片案例:模型初始化代码编写
18:48
05_生成数字图片案例:训练流程
21:04
06_生成数字图片案例:运行保存图片并对比
04:32
2.自动编码器:01_自动编码器介绍
05:29
02_案例:编码器类别、普通自编码器流程、模型初始化逻辑
12:18
03_案例:训练普通自编码器
10:35
04_案例:深度自编码器编写演示
02:19
05_案例:卷积自编码器编写演示
06:40
06_案例:降噪编码器介绍
03:51
07_案例:降噪编码器案例
07:10
3.CapsuleNet:01_CapsuleNet了解
16:04
02_深度学习课程总结
13:39
客服
顶部
赛事库 课堂 2021拜年纪