入门必看！2026版零基础大模型教程！涵盖大模型原理、提示词、AI agent、Transformer、LangChain和RAG等LLM大语言模型核心知识点
83.1万
190
2024-12-11 17:23:32
9710
8918
3.4万
5439
门必看！2026 版零基础大模型系统化教程全新开讲，全覆盖大模型底层原理、提示词工程、Transformer 架构、RAG 知识库、LangChain 应用开发与 AI Agent 智能体开发等 LLM 核心内容。课程抛弃繁杂数学推导，采用理论搭配实操的授课模式，从零基础环境搭建起步，循序渐进拆解各大模块落地细节，解决新手自学看不懂原理、不会做项目的难题。不管是在校学生筹备毕设、考研备考，还是职场人转行 AI、拓展副业接单技能都十分适配，配套全套实战源码与配套学习文档，跟着课程稳步搭建完整大模型知识框架。
关注 7.1万
零基础入门教程系列
（3/7）
143.8万播放
简介
订阅合集
神经网络算法
深度学习介绍
46:31
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
01【浅层神经网络】浅层神经网络表示
08:20
02【浅层神经网络】浅层神经网络的前向传播
06:55
03【浅层神经网络】激活函数的选择
11:17
04【浅层神经网络】浅层神经网络的反向传播
10:26
05【浅层神经网络】作业介绍
02:41
06【浅层神经网络】作业实现：初始化模型与前向传播
12:00
07【浅层神经网络】作业实现：反向传播与更新梯度
14:15
08【浅层神经网络】作业实现：网络模型逻辑实现
05:34
09【浅层神经网络】总结
02:35
01【深层神经网络】深层神经网络表示
08:17
02【深层神经网络】深层神经网络的反向传播过程
05:27
03【深层神经网络】参数初始化与超参数介绍
06:20
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
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
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
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
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
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
01_作业介绍
03:35
02_作业讲解
20:35
03_迁移学习
11:17
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
01_词嵌入介绍
11:00
02_词嵌入案例
12:28
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
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
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
LLM大模型入门！
第一讲AIAgent的原理
01:42:00
大模型系统学习路线
17:22
作业：AI Agent2
47:06
第二讲：LLM大模型的内部运作机制
01:49:52
作业 Understanding transformers
27:15
第三讲：Transformer架构
01:22:42
作业 Training Transformer
15:17
第四讲：大型语言模型训练方法
01:19:55
第五讲：利用多张GPU训练大型语言模型
54:56
作业 Finetuning is Powerful
35:40
第六讲：生成式人工智能的后训练(Post-Training)与遗忘问题
01:15:32
作业 Fine-tuning Leads to Forgetting
52:57
作业 Hugging Face Llama Model Download Guidance
06:24
第八讲：DeepSeek-R1 这类大型语言模型是如何进行「深度思考」
01:18:30
第九讲：大型语言模型的推理过程不用太长、够用就好
24:22
第十讲：大型语言模型评估
24:03
第十一讲： 浅谈 Model Editing
44:56
作业HW7 - RLHF
19:12
作业： Model Editing
42:04
第十二讲：今天你想为 Foundation Model 装备哪些 Task Vector？浅谈神奇的 Model Merging 技术
34:20
作业：Model Merging
51:00
第十三讲：语言模型如何学会说话 — 概述语音语言模型发展历程
01:31:19
作业：HW10 - Diffusion
36:00
1、什么是LangChain，RAG？AI开发者如何学习RAG？
10:54
2、RAG共学一：16个问题帮你快速入门RAG
08:21
3、如何选择RAG的Embedding模型？
09:31
4、RAG共学二：RAG中如何进行查询转换？
07:54
5、ReRank与Embedding模型的区别？ 如何选择ReRank模型？
07:35
6、如何使用LangSmith创建测试数据以及对RAG评估
07:41
7、一次搞懂RAG评估，三个角度LangChain，LlamaIndex，RAGAS看RAG评估
09:10
8、如何在OneThingAI的云服务器上学习RAG？
07:40
1、【产品级AI应用必备】10分钟搞定langchain模板的创建
10:04
2、LLM应用高效开发利器 - LangChain命令行工具与模版
16:44
3、LangChain检索器 - 05 自查询检索器
13:11
4、LangChain进阶 - 06 搜索引擎检索器
11:09
5、LangChain进阶 - 高质量内容检索 01 多重提问检索器
11:54
6、LangChain进阶 - 高质量内容检索 02 基于上下文压缩
12:21
7、LangChain进阶 - 高质量内容检索 03 Ensemble Retriever
10:01
8、LangChain + Realtime API + Tavily - 支持实时搜索的语音助手
10:35
9、OpenAI Assistants API 极简入门（附LangChain集成）
14:41
10、LangChain进阶 基于LangChain的Claude-3 XML Agent
16:13
11、AutoGen + Flowise = 零代码平台上的超级AI助理
10:58
12、AutoGen + LangChain + ChromaDB = 超级AI助理
13:50
13、AutoGen + LangChain + PlayHT = 会说话的超级AI助理
12:55
14、【隐私优先】Llama 2 + GPT4All + Chroma实现100%本地化RAG
11:11
15、基于LangChain高级RAG技术的本地知识库 - Chroma向量存储 + Redis文档存储 ChatOllama升级
19:22
16、LangGraph 新手入门
17:35
17、OpenGPTs 新手入门
16:40
18、Nomic Embed 新手入门 - Open Source Long Context Embedding Model
09:28
19、构建高质量AI文档机器人 - 04 多向量检索器
15:01
20、、无缝迁移OpenAI GPT4-Vision到科大讯飞星火大模型
11:12
21、像用OpenAI一样使用稀疏混合专家模型Mixtral 8x7B
10:58
零基础大模型入门教程
第一章：大模型认知与核心原理讲解——AI的介绍
06:55
大模型的介绍
14:21
大模型的趋势和挑战
10:52
GPT概念讲解
14:22
大模型的训练
09:08
第一个案例
10:04
Token的介绍
08:51
OpenAI中的角色
08:21
第二章：提示词工程——提示词工程介绍
05:23
常用技巧讲解
09:54
Prompt调优
09:39
提示词工程进阶(上)
13:20
提示词工程进阶(中)
10:49
提示词工程进阶(下)
06:12
提示词的应用
06:46
防止Prompt攻击
07:42
第三章：提示词实战——智能学员辅导系统-StreamLit界面绘制
12:37
智能学员辅导系统-完成和大模型的交互
10:59
智能学员辅导系统-docx文档的处理
07:47
智能学员辅导系统-docx文件转换为pdf文件
14:46
自然语言转SQL
12:55
自然语言转SQL升级版
09:15
第四章：RAG原理与应用
10:49
RAG工作流程介绍
06:12
RAG系统搭建流程(上)
07:48
RAG系统搭建流程(下)
06:20
Embeddings处理
10:18
向量间相似度计算
10:35
文档的加载和分割
10:51
关键字搜索
14:35
向量数据库介绍
04:51
基于向量检索的RAG实现
09:46
阿里云百炼-应用讲解(上)
15:24
阿里云百炼-应用讲解(下)
06:57
智普RAG应用讲解
12:17
Google的NoteBook应用讲解
06:05
RAG的缺陷介绍
12:37
RAG指标评估
07:35
第五章：LangChain原理与应用-虚拟环境(上)
10:06
LangChain-虚拟环境(下)
05:51
LangChain的基本介绍
09:21
LangChain-基本和提示词模板
09:40
LangChain-输出结果解析器
10:52
LangChain-RAG+LangChain实现
10:51
angChain-Model-介绍
04:30
LangChain-Model-提示词模板-基本使用
10:57
LangChain-Model-提示词模版-ChatPromptTemplate(上)
07:18
LangChain-Model-提示词模版-ChatPromptTemplate(下)
06:05
LangChain-Model-提示词模版-少样本案例模版
08:58
LangChain：Model-语言模型-介绍
06:47
LangChain：Model-语言模型-智普大模型接入
04:17
LangChain：Model-语言模型-MoonShot和通义千问集成
08:21
LangChain：Model-聊天模型
05:00
LangChain：Model-输出解析器
05:01
LangChain：Model-文本嵌入模型
06:38
LangChain-Chain链-基本应用
09:26
LangChain-Chain链-案例介绍
05:35
LangChain-chain链-链的调用
06:46
LangChain-chain链-官方工具链介绍(上)
15:09
LangChain-chain链-官方工具链介绍(下)
09:47
LangChain-RAG-文档加载和文档切割
09:42
LangChain-RAG-文本向量化和向量存储
06:42
LangChain-RAG-检索器和完整RAG案例
10:16
第六章：智能体原理与应用——Agent概念、组成与决策
09:08
Agent决策应用场景分析
07:58
Agent规划子任务拆解_COT与TOT_
13:21
思维树24点拓展与react框架
16:42
Agent记忆(memory)
11:20
Agent工具使用介绍
03:26
Agent代码初体验、工具使用、记忆添加
20:52
Agent认知框架之Plan-and-Execute
11:55
self-Ask
10:16
Thinking and Self-Refection
07:58
ReAct框架案例实现
09:57
ReAct RAG Agent
11:20
Agent+RAG个性化定制数字人项目效果预览1
15:25
Agent+RAG个性化定制数字人项目效果预览2
09:25
深度学习算法入门！
课程简介
03:06
逻辑回归介绍
13:23
逻辑回归损失函数
07:43
梯度下降算法过程以及公式
10:28
导数意义介绍
04:13
a^2函数的导数介绍
10:16
导数计算图与链式法则
14:16
逻辑回归的导数计算图分析以及参数导数
11:00
向量化编程介绍引入
09:50
向量化编程的优势
10:20
向量化实现逻辑回归的梯度计算更新
09:40
正向传播与反向传播、作业介绍
06:12
作业讲解题1：实现sigmoid函数与梯度实
03:40
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
作业讲解题2：参数初始化与前向传播、反向传播
10:09
作业讲解题2：优化迭代实现、model逻辑实现
08:42
总结
05:21
浅层神经网络表示
08:20
浅层神经网络的前向传播
06:55
激活函数的选择
11:17
浅层神经网络的反向传播
10:26
作业介绍
02:41
作业实现：初始化模型与前向传播
12:00
作业实现：反向传播与更新梯度
14:15
作业实现：网络模型逻辑实现
05:34
总结
02:35
深层神经网络表示
08:17
深层神经网络的反向传播过程
05:27
参数初始化与超参数介绍
06:20
深度学习紧接、多分类介绍
09:20
交叉熵损失原理
14:29
案例：Mnist手写数字数据介绍
07:56
案例：网络结构、流程、代码介绍
10:23
案例：主网络结构搭建实现
20:20
案例：添加准确率
13:08
案例：Tensorboard观察显示
10:28
案例：添加模型保存、预测
12:19
调整学习率带来的问题
04:23
深度学习遇到问题、为什么需要优化算法
13:30
Mini梯度下降与Batch梯度下降
14:19
指数加权平均
09:08
动量梯度下降原理公式理解
17:25
RMSProp与Adam原理与学习率递减
05:29
标准化输入带来的优化
08:01
作业介绍
02:59
作业讲解1
24:40
作业讲解2
02:24
深度学习偏差与方差介绍为、什么需要正则化
15:39
正则化概念、L2正则化与L1正则化
12:40
Droupout过程与原理理解
17:57
其它正则化方法-早停止法与数据增强
13:56
正则化作业介绍
02:49
作业讲解1
07:54
作业讲解2
02:57
神经网络调参数技巧与如何设置参数、如何运行
09:29
批标准化定义、公式、为什么有效
22:28
卷积来源、数据量与感受野的边缘检测
23:43
卷积网络结构介绍
04:59
默认卷积的运算过程
05:42
零填充
08:56
过滤器大小与步长
09:44
多通道的卷积与多卷积核
06:32
卷积总结
12:52
池化层
06:33
全连接层
04:14
LeNet5的计算过程详解
18:49
常见网络结构介绍
10:33
Inception(1x1卷积介绍）
13:33
Inception结构以及改进
09:47
GoogleNet了解与卷积网络学习内容
06:13
作业介绍
03:35
作业讲解
20:35
迁移学习
11:17
循环神经网络背景介绍
07:05
循环神经网络结构原理
13:25
词的表示与矩阵形状运算
16:14
交叉熵损失计算
03:10
时间反向传播算法
14:56
梯度消失、案例介绍
07:17
手写RNN案例：单个cell前向传播
11:51
手写RNN案例：所有cell的前向传播
15:46
手写RNN案例：单个cell的反向传播
15:33
手写RNN案例：所有cell的反向传播
21:03
案例总结
02:19
GRU与LSTM介绍
11:52
传统解决方案遇到的问题
11:10
注意力机制的作用
06:57
self-attention计算方法
11:25
特征分配与softmax机制
09:21
Multi-head的作用
09:10
位置编码与多层堆叠
07:18
transformer整体架构梳理
10:58
BERT模型训练方法
09:38
训练实例
09:48
transformer发家史介绍
06:20
对图像数据构建patch序列
09:13
VIT整体架构解读
09:28
CNN遇到的问题与窘境
07:32
计算公式解读
09:11
李沐动手学深度学习！
深度学习课程简介
07:33
什么是深度学习
23:02
软件安装+环境配置
20:01
数据操作-1080P 高清-AVC
04:42
数据操作实现-1080P 高清-AVC
14:36
数据预处理实现-1080P 高清-AVC
07:27
数据操作 QA-1080P 高清-AVC
07:37
线性代数-1080P 高清-AVC
09:04
线性代数实现-1080P 高清-AVC
12:52
按特定轴求和-1080P 高清-AVC
07:32
线性代数 QA-1080P 高清-AVC
12:10
矩阵计算-1080P 高清-AVC
12:39
【李沐深度学习】15-2-矩阵计算 QA-1080P 高清-AVC
01:58
【李沐深度学习】16-1-自动求导-1080P 高清-AVC
11:41
【李沐深度学习】17-2-自动求导实现-1080P 高清-AVC
06:43
【李沐深度学习】18-3-自动求导 QA-1080P 高清-AVC
06:06
【李沐深度学习】19-1-线性回归-1080P 高清-AVC
14:58
【李沐深度学习】20-2-基础优化算法-1080P 高清-AVC
08:25
【李沐深度学习】21-3-线性回归的从零开始实现-1080P 高清-AVC
15:21
【李沐深度学习】22-4-线性回归的简洁实现-1080P 高清-AVC
06:43
【李沐深度学习】23-5-QA-1080P 高清-AVC
24:22
【李沐深度学习】24-1-Softmax 回归-1080P 高清-AVC
10:27
【李沐深度学习】25-2-损失函数-1080P 高清-AVC
06:25
【李沐深度学习】26-3-图片分类数据集-1080P 高清-AVC
09:26
【李沐深度学习】27-4-Softmax 回归从零开始实现-1080P 高清-AVC
18:44
【李沐深度学习】28-5-Softmax 回归简洁实现-1080P 高清-AVC
04:10
【李沐深度学习】29-6-QA-1080P 高清-AVC
31:00
【李沐深度学习】30-1-Windows 下安装 CUDA 和 Pytorch 跑深度学习 - 动手学深度学习v2-1080P 高清-AVC
07:54
【李沐深度学习】31-1-使用 AWS 最便宜的 GPU 实例 - 动手学深度学习v2-1080P 高清-AVC
08:16
【李沐深度学习】32-1-感知机-1080P 高清-AVC
13:53
【李沐深度学习】33-2-多层感知机-1080P 高清-AVC
22:40
【李沐深度学习】34-3-代码实现-1080P 高清-AVC
08:27
【李沐深度学习】35-4-QA-1080P 高清-AVC
26:49
【李沐深度学习】36-1-10行代码战胜90%数据科学家？-1080P 高清-AVC
03:20
【李沐深度学习】37-1-模型选择-1080P 高清-AVC
18:37
【李沐深度学习】38-2-过拟合和欠拟合-1080P 高清-AVC
16:47
【李沐深度学习】39-3-代码-1080P 高清-AVC
06:48
【李沐深度学习】40-4-QA-1080P 高清-AVC
45:02
【李沐深度学习】41-1-权重衰退-1080P 高清-AVC
13:03
【李沐深度学习】42-2-代码实现-1080P 高清-AVC
12:35
【李沐深度学习】43-3-QA-1080P 高清-AVC
11:36
【李沐深度学习】44-1-丢弃法-1080P 高清-AVC
12:00
【李沐深度学习】45-2-代码实现-1080P 高清-AVC
12:17
【李沐深度学习】46-3-QA-1080P 高清-AVC
24:53
【李沐深度学习】47-1-数值稳定性-1080P 高清-AVC
15:22
【李沐深度学习】48-2-模型初始化和激活函数-1080P 高清-AVC
24:04
【李沐深度学习】49-3-QA-1080P 高清-AVC
22:30
【李沐深度学习】50-1-实战 Kaggle 比赛：预测房价-1080P 高清-AVC
14:31
【李沐深度学习】51-2-课程竞赛：加州2020年房价预测-1080P 高清-AVC
08:40
【李沐深度学习】52-3-QA-1080P 高清-AVC
03:22
【李沐深度学习】53-1-模型构造-1080P 高清-AVC
13:28
【李沐深度学习】54-2-参数管理-1080P 高清-AVC
17:21
【李沐深度学习】55-3-自定义层-1080P 高清-AVC
05:29
【李沐深度学习】56-4-读写文件-1080P 高清-AVC
06:04
【李沐深度学习】57-5-QA-1080P 高清-AVC
10:52
【李沐深度学习】58-1-使用 GPU-1080P 高清-AVC
13:35
【李沐深度学习】59-2-购买 GPU-1080P 高清-AVC
08:55
【李沐深度学习】60-3-QA-1080P 高清-AVC
08:04
【李沐深度学习】61-1-竞赛总结-1080P 高清-AVC
16:39
【李沐深度学习】62-2-QA-1080P 高清-AVC
26:03
【李沐深度学习】63-1-从全连接到卷积-1080P 高清-AVC
15:00
【李沐深度学习】64-2-卷积层-1080P 高清-AVC
11:02
【李沐深度学习】65-3-代码-1080P 高清-AVC
10:08
【李沐深度学习】66-4-QA-1080P 高清-AVC
07:44
【李沐深度学习】67-1-填充和步幅-1080P 高清-AVC
14:08
【李沐深度学习】68-2-代码实现-1080P 高清-AVC
05:05
【李沐深度学习】69-3-QA-1080P 高清-AVC
23:57
【李沐深度学习】70-1-多输入输出通道-1080P 高清-AVC
19:34
【李沐深度学习】71-2-代码实现-1080P 高清-AVC
06:36
【李沐深度学习】72-3-QA-1080P 高清-AVC
19:16
【李沐深度学习】73-1-池化层-1080P 高清-AVC
10:21
【李沐深度学习】74-2-实现-1080P 高清-AVC
06:58
【李沐深度学习】75-3-QA-1080P 高清-AVC
09:48
【李沐深度学习】76-1-LeNet-1080P 高清-AVC
08:31
【李沐深度学习】77-2-代码-1080P 高清-AVC
21:47
【李沐深度学习】78-3-QA-1080P 高清-AVC
30:08
【李沐深度学习】79-1-AlexNet-1080P 高清-AVC
35:16
【李沐深度学习】80-2-代码-1080P 高清-AVC
10:39
【李沐深度学习】81-3-QA-1080P 高清-AVC
16:06
【李沐深度学习】82-1-VGG-1080P 高清-AVC
09:04
【李沐深度学习】83-2-代码-1080P 高清-AVC
07:23
【李沐深度学习】84-3-QA-1080P 高清-AVC
04:16
【李沐深度学习】85-1-NIN-1080P 高清-AVC
10:55
【李沐深度学习】86-2-代码-1080P 高清-AVC
10:02
【李沐深度学习】87-3-QA-1080P 高清-AVC
16:42
【李沐深度学习】88-1-GoogLeNet-1080P 高清-AVC
26:59
【李沐深度学习】89-2-代码-1080P 高清-AVC
07:10
【李沐深度学习】90-3-QA-1080P 高清-AVC
16:33
【李沐深度学习】91-1-批量归一化-1080P 高清-AVC
17:59
【李沐深度学习】92-2-代码-1080P 高清-AVC
17:12
【李沐深度学习】93-3-QA-1080P 高清-AVC
11:00
【李沐深度学习】94-1-ResNet-1080P 高清-AVC
14:10
【李沐深度学习】95-2-代码-1080P 高清-AVC
09:26
【李沐深度学习】96-3-QA-1080P 高清-AVC
10:33
【李沐深度学习】97-1-ResNet的梯度计算-1080P 高清-AVC
08:22
【李沐深度学习】98-2-QA-1080P 高清-AVC
02:17
【李沐深度学习】99-1-30 第二部分完结竞赛：图片分类【动手学深度学习v2】-1080P 高清-AVC
06:37
【李沐深度学习】100-1-CPU 和 GPU-1080P 高清-AVC
39:23
【李沐深度学习】101-2-QA-1080P 高清-AVC
52:47
【李沐深度学习】102-1-更多的芯片-1080P 高清-AVC
29:19
【李沐深度学习】103-2-QA-1080P 高清-AVC
37:18
【李沐深度学习】104-1-单机多卡并行-1080P 高清-AVC
06:59
【李沐深度学习】105-2-QA-1080P 高清-AVC
03:56
【李沐深度学习】106-1-从零开始-1080P 高清-AVC
21:41
【李沐深度学习】107-2-简洁实现-1080P 高清-AVC
11:53
【李沐深度学习】108-3-QA-1080P 高清-AVC
20:40
【李沐深度学习】109-1-分布式训练-1080P 高清-AVC
21:45
【李沐深度学习】110-2-QA-1080P 高清-AVC
09:00
【李沐深度学习】111-1-数据增广-1080P 高清-AVC
12:49
【李沐深度学习】112-2-代码-1080P 高清-AVC
19:41
【李沐深度学习】113-3-QA-1080P 高清-AVC
22:30
【李沐深度学习】114-1-微调-1080P 高清-AVC
13:53
【李沐深度学习】115-2-代码-1080P 高清-AVC
08:55
【李沐深度学习】116-3-QA-1080P 高清-AVC
11:33
【李沐深度学习】117-1-38 第二次竞赛 树叶分类结果【动手学深度学习v2】-1080P 高清-AVC
05:31
【李沐深度学习】118-1-Kaggle Cifar10-1080P 高清-AVC
27:57
【李沐深度学习】119-2-QA-1080P 高清-AVC
17:46
【李沐深度学习】120-1-Kaggle ImageNet Dog-1080P 高清-AVC
19:09
【李沐深度学习】121-2-QA-1080P 高清-AVC
15:16
【李沐深度学习】122-1-物体检测-1080P 高清-AVC
11:36
【李沐深度学习】123-2-边缘框实现-1080P 高清-AVC
03:49
【李沐深度学习】124-3-数据集-1080P 高清-AVC
09:46
【李沐深度学习】125-4-QA-1080P 高清-AVC
10:29
【李沐深度学习】126-1-锚框-1080P 高清-AVC
18:07
【李沐深度学习】127-2-代码-1080P 高清-AVC
23:21
【李沐深度学习】128-3-QA-1080P 高清-AVC
11:25
【李沐深度学习】129-1-43 树叶分类竞赛技术总结【动手学深度学习v2】-1080P 高清-AVC
26:29
【李沐深度学习】130-1-目标检测-1080P 高清-AVC
42:05
【李沐深度学习】131-2-QA-1080P 高清-AVC
16:24
【李沐深度学习】132-1-多尺度锚框-1080P 高清-AVC
09:57
【李沐深度学习】133-2-SSD-1080P 高清-AVC
52:45
【李沐深度学习】134-3-QA-1080P 高清-AVC
27:01
【李沐深度学习】135-1-语义分割-1080P 高清-AVC
07:12
【李沐深度学习】136-2-语义分割数据集-1080P 高清-AVC
27:57
【李沐深度学习】137-3-QA-1080P 高清-AVC
20:01
【李沐深度学习】138-1-转置卷积-1080P 高清-AVC
09:21
【李沐深度学习】139-2-代码-1080P 高清-AVC
12:42
【李沐深度学习】140-3-QA-1080P 高清-AVC
09:55
【李沐深度学习】141-1-47.2 转置卷积是一种卷积【动手学深度学习v2】-1080P 高清-AVC
09:39
【李沐深度学习】142-1-FCN-1080P 高清-AVC
04:23
【李沐深度学习】143-2-代码-1080P 高清-AVC
17:41
【李沐深度学习】144-3-QA-1080P 高清-AVC
04:51
【李沐深度学习】145-1-样式迁移-1080P 高清-AVC
04:58
【李沐深度学习】146-2-代码-1080P 高清-AVC
19:18
【李沐深度学习】147-3-QA-1080P 高清-AVC
08:32
【李沐深度学习】148-1-50 课程竞赛：牛仔行头检测【动手学深度学习v2】-1080P 高清-AVC
11:04
【李沐深度学习】149-1-序列模型-1080P 高清-AVC
20:04
【李沐深度学习】150-2-代码-1080P 高清-AVC
11:53
【李沐深度学习】151-3-QA-1080P 高清-AVC
22:14
【李沐深度学习】152-1-代码-1080P 高清-AVC
18:04
【李沐深度学习】153-2-QA-1080P 高清-AVC
02:26
【李沐深度学习】154-1-语言模型-1080P 高清-AVC
16:18
【李沐深度学习】155-2-代码-1080P 高清-AVC
25:47
【李沐深度学习】156-3-QA-1080P 高清-AVC
09:08
【李沐深度学习】157-1-RNN-1080P 高清-AVC
25:16
【李沐深度学习】158-2-QA-1080P 高清-AVC
08:48
【李沐深度学习】159-1-从零开始实现-1080P 高清-AVC
48:35
【李沐深度学习】160-2-简介实现-1080P 高清-AVC
07:11
【李沐深度学习】161-3-QA-1080P 高清-AVC
30:39
【李沐深度学习】162-1-门控循环单元（GRU）-1080P 高清-AVC
15:23
【李沐深度学习】163-2-代码-1080P 高清-AVC
13:57
【李沐深度学习】164-3-QA-1080P 高清-AVC
10:29
【李沐深度学习】165-1-长短期记忆网络（LSTM）-1080P 高清-AVC
09:39
【李沐深度学习】166-2-代码-1080P 高清-AVC
04:37
【李沐深度学习】167-3-QA-1080P 高清-AVC
03:39
【李沐深度学习】168-1-深层循环神经网络-1080P 高清-AVC
03:23
【李沐深度学习】169-2-代码-1080P 高清-AVC
02:45
【李沐深度学习】170-3-QA-1080P 高清-AVC
07:11
【李沐深度学习】171-1-双向循环神经网络-1080P 高清-AVC
07:25
【李沐深度学习】172-2-代码-1080P 高清-AVC
01:51
【李沐深度学习】173-3-QA-1080P 高清-AVC
04:38
【李沐深度学习】174-1-60 机器翻译数据集【动手学深度学习v2】-1080P 高清-AVC
10:16
【李沐深度学习】175-1-编码器-解码器架构-1080P 高清-AVC
03:33
【李沐深度学习】176-2-代码-1080P 高清-AVC
02:44
【李沐深度学习】177-1-Seq2Seq-1080P 高清-AVC
12:35
【李沐深度学习】178-2-代码-1080P 高清-AVC
27:27
【李沐深度学习】179-3-QA-1080P 高清-AVC
08:44
【李沐深度学习】180-1-63 束搜索【动手学深度学习v2】-1080P 高清-AVC
11:44
【李沐深度学习】181-1-注意力机制-1080P 高清-AVC
13:58
【李沐深度学习】182-2-代码-1080P 高清-AVC
10:00
【李沐深度学习】183-1-注意力分数-1080P 高清-AVC
10:45
【李沐深度学习】184-2-代码-1080P 高清-AVC
15:20
【李沐深度学习】185-3-QA-1080P 高清-AVC
04:42
【李沐深度学习】186-1-使用注意力机制的seq2seq-1080P 高清-AVC
10:15
【李沐深度学习】187-2-代码-1080P 高清-AVC
13:16
【李沐深度学习】188-3-QA-1080P 高清-AVC
07:06
【李沐深度学习】189-1-自注意力-1080P 高清-AVC
27:52
【李沐深度学习】190-2-代码-1080P 高清-AVC
02:57
【李沐深度学习】191-3-QA-1080P 高清-AVC
06:55
【李沐深度学习】192-1-BERT-1080P 高清-AVC
21:51
【李沐深度学习】193-2-BERT代码-1080P 高清-AVC
11:37
【李沐深度学习】194-3-BERT预训练数据代码-1080P 高清-AVC
08:15
【李沐深度学习】195-4-BERT预训练代码-1080P 高清-AVC
09:37
【李沐深度学习】196-5-QA-1080P 高清-AVC
05:54
李宏毅强化学习系列课程！
概述增強式學習一 – 增强式学习和机器学习一A
45:02
概述增强式学习 二 – Policy GradientA
41:14
概述增强式学习 三 – ActorCriticA
34:41
概述增强式学习 四 – 回馈非常罕見的時候怎么办？机器A
17:35
概述增强式学习 五 – 如何从示范中学习？逆向增強式学A
27:08
神经网络压缩 一 类神经网络剪枝PruA
29:32
从各种不同的面向來压缩神经网络A
56:46
机器终身学习 一 为什么今日的人工智能A
32:00
机器終身学习 二 灾难性遗忘CatastropA
36:39
作业说明 HW14 中文高清A
27:49
作业说明 HW14A
22:03
元学习 Meta Learning 一 A
46:20
Meta Learning 二 万物皆可 A
31:37
各种奇葩的元学习 Meta Learning 用法A
31:13
计算机视觉入门
1-课程简介
02:28
1-Python环境配置
15:33
2-Python库安装工具
10:02
3-Notebook工具使用
21:44
4-Python简介
17:38
5-Python数值运算
16:47
6-Python字符串操作
15:53
7-1-索引结构
10:11
7-2-List基础结构
14:56
8-List核心操作
14:39
9-字典基础定义
09:16
10-字典的核心操作
12:51
11-Set结构
12:21
12-赋值机制
03:19
13-判断结构
07:36
14-循环结构
12:49
15-函数定义
15:27
16-模块与包
14:15
17-异常处理模块
19:51
18-文件操作
20:57
19-类的基本定义
13:52
20-类的属性操作
13:22
21-时间操作
07:52
22-Python练习题-1
13:06
23-Python练习题-2
20:23
2-Python与Opencv配置安装
10:12
3-Notebook与IDE环境
11:44
1-计算机眼中的图像
09:20
2-视频的读取与处理
10:57
3-ROI区域
04:19
4-边界填充
05:08
5-数值计算
09:17
1-图像阈值
07:52
2-图像平滑处理
07:55
3-高斯与中值滤波
06:15
1-腐蚀操作
06:50
2-膨胀操作
03:06
3-开运算与闭运算
02:56
4-梯度计算
02:45
5-礼帽与黑帽
03:22
1-Sobel算子
09:34
2-梯度计算方法
08:33
3-scharr与lapkacian算子
06:42
1-Canny边缘检测流程
05:39
2-非极大值抑制
05:25
3-边缘检测效果
08:10
1-图像金字塔定义
06:38
2-金字塔制作方法
07:26
3-轮廓检测方法
06:01
4-轮廓检测结果
07:49
5-轮廓特征与近似
11:58
6-模板匹配方法
11:13
7-匹配效果展示
05:48
1-直方图定义
07:19
2-均衡化原理
09:39
3-均衡化效果
06:52
4-傅里叶概述
07:19
5-频域变换结果
07:09
6-低通与高通滤波
06:48
1-总体流程与方法讲解
09:15
2-环境配置与预处理
08:27
3-模板处理方法
06:56
4-输入数据处理方法
08:54
5-模板匹配得出识别结果
10:59
1-整体流程演示
05:34
2-文档轮廓提取
08:43
3-原始与变换坐标计算
07:45
4-透视变换结果
08:40
5-tesseract-ocr安装配置
07:08
6-文档扫描识别效果
05:22
01-1-深度学习要解决的问题
07:56
02-2-深度学习应用领域
14:07
03-3-计算机视觉任务
05:49
04-4-视觉任务中遇到的问题
10:02
05-5-得分函数
10:02
06-6-损失函数的作用
10:43
07-7-前向传播整体流程
13:46
01-1-返向传播计算方法
09:34
02-2-神经网络整体架构
10:53
03-2-神经网络整体架构
10:53
04-4-神经元个数对结果的影响
07:12
05-5-正则化与激活函数
08:50
06-6-神经网络过拟合解决方法
11:07
01-1-卷积神经网络应用领域
07:25
02-2-卷积的作用
09:24
03-3-卷积特征值计算方法
08:08
04-4-得到特征图表示
06:59
05-5-步长与卷积核大小对结果的影响
08:12
06-6-边缘填充方法
06:31
07-7-特征图尺寸计算与参数共享
07:03
08-8-池化层的作用
05:39
09-9-整体网络架构
06:21
10-10-VGG网络架构
06:17
11-11-残差网络Resnet
07:42
12-12-感受野的作用
05:47
1-PyTorch实战课程简介
04:54
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基本操作简介
09:26
5-自动求导机制
11:00
6-线性回归DEMO-数据与参数配置
08:57
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
08:26
1-卷积网络参数定义
07:22
2-网络流程解读
07:27
3-Vision模块功能解读
05:11
4-分类任务数据集定义与配置
06:28
5-图像增强的作用
04:52
6-数据预处理与数据增强模块
09:26
7-Batch数据制作
08:38
8-迁移学习的目标
05:32
9-迁移学习策略
07:12
10-加载训练好的网络模型
09:55
11-优化器模块配置
05:15
12-实现训练模块
08:16
13-训练结果与模型保存
09:32
14-加载模型对测试数据进行预测
09:11
15-额外补充-Resnet论文解读
11:48
16-额外补充-Resnet网络架构解读
08:27
1-物体检测评估指标
31:31
1-检测任务中阶段的意义
06:22
2-不同阶段算法优缺点分析
04:43
3-IOU指标计算
05:10
4-评估所需参数计算
10:01
5-map指标计算
07:27
1-YOLO算法整体思路解读
07:12
2-检测算法要得到的结果
06:18
3-整体网络架构解读
11:39
4-位置损失计算
08:13
5-置信度误差与优缺点分析
11:49
1-V2版本细节升级概述
05:43
2-网络结构特点
06:03
3-架构细节解读
06:53
4-基于聚类来选择先验框尺寸
10:22
5-偏移量计算方法
10:49
6-坐标映射与还原
03:37
7-感受野的作用
11:07
8-特征融合改进
07:56
1-V3版本改进概述
08:19
2-多scale方法改进与特征融合
07:38
3-经典变换方法对比分析
04:56
4-残差连接方法解读
07:46
5-整体网络模型架构分析
05:01
6-先验框设计改进
05:25
7-sotfmax层改进
04:25
展开