【全187集】入门到精通!一口气学完CNN、RNN、transformer、GNN、LSTM、DQN等八大深度学习神经网络算法!简直不要太爽

1.1万
48
2025-04-09 10:41:36
正在缓冲...
168
99
545
53
本教程将手把手带你啃透深度学习核心的八大神经网络:从最基础的前馈神经网络、卷积神经网络(CNN)、循环神经网络(RNN),到进阶的生成对抗网络(GAN)、图神经网络(GNN)、Transformer,再到最前沿的扩散模型(Diffusion)、每个算法都会从数学原理推导开始,结合PyTorch框架逐行解读源码,并带你在Kaggle真实数据集上完成图像分类、文本生成、风格迁移、AI绘画等18个工业级实战项目(全部提供可运行的Colab代码)
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、
视频选集
(1/93)
自动连播
深度学习神经网络该怎么学
00:55
零基础入门学习路线
12:39
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
02-2-词向量模型通俗解释
08:15
03-3-模型整体框架
10:10
04-4-训练数据构建
05:11
05-5-CBOW与Skip-gram模型
08:21
06-6-负采样方案
07:41
01-0-keras框架简介与安装
06:45
02-1-训练自己的数据集整体流程
11:13
03-2-数据加载与预处理
10:25
04-3-搭建网络模型
12:22
05-4-学习率对结果的影响
09:39
06-5-Drop-out操作
07:42
08-7-初始化标准差对结果的影响
04:17
09-8-正则化对结果的影响
14:47
10-9-加载模型进行测试
11:31
01-1-卷积层构造
09:03
02-1-卷积层构造
09:03
03-3-BatchNormalization效果
11:08
04-4-参数对比
10:14
05-5-网络测试效果
03:40
01-1-时间序列模型
09:24
02-2-网络结构与参数定义
07:53
03-3-构建LSTM模型
06:41
04-4-训练模型与效果展示
11:16
05-5-多序列预测结果
11:10
06-6-股票数据预测
07:14
07-7-数据预处理
08:04
08-8-预测结果展示
06:25
1-Transformer算法解读
02:14:32
1-视觉Transformer及其源码分析
02:15:21
1-项目配置说明
06:08
2-输入序列构建方法解读
07:54
3-注意力机制计算
07:09
4-输出层计算结果
07:48
1-swintransformer整体概述
05:39
2-要解决的问题及其优势分析
08:12
3-一个block要完成的任务
06:46
4-获取各窗口输入特征
08:04
5-基于窗口的注意力机制解读
10:12
6-窗口偏移操作的实现
08:33
7-偏移细节分析及其计算量概述
07:58
8-整体网络架构整合
06:27
9-下采样操作实现方法
06:21
10-分层计算方法
06:40
1-数据与环境配置解读
11:26
2-图像数据patch编码
07:01
3-数据按window进行划分计算
07:48
4-基础attention计算模块
08:04
5-窗口位移模块细节分析
08:49
6-patchmerge下采样操作
04:45
7-各block计算方法解读
06:30
8-输出层概述
05:38
1-DETR目标检测基本思想解读
08:19
2-整体网络架构分析
10:30
3-位置信息初始化query向量
06:49
4-注意力机制的作用方法
07:01
5-训练过程的策略
06:46
1-项目环境配置解读
09:10
2-数据处理与dataloader
13:35
3-位置编码作用分析
10:14
4-backbone特征提取模块
08:31
5-mask与编码模块
08:08
6-编码层作用方法
08:41
7-Decoder层操作与计算
07:20
8-输出预测结果
09:01
9-损失函数与预测输出
06:45
1-DeformableDetr算法解读
02:06:45
客服
顶部
赛事库 课堂 2021拜年纪