超全超简单!一口气刷完CNN、RNN、GAN、GNN、DQN、Transformer、LSTM、DBN等八大深度学习神经网络算法!从理论到实战,真的比刷剧还爽!

13.9万
144
2025-05-06 17:33:02
1723
1361
6274
391
2025深度学习神经网络入门到实战全套课程分享,配套姿//料可在评论区获取! 在本系列教程中,将带你从了解深度学习和神经网络基础到构建神经网络模型,再到实战应用,涵盖了卷积神经网络(CNN)、循环神经网络(RNN)、图神经网络(GNN)、长短期记忆网络(LSTM)、生成对抗网络(GAN)、变分自编码器(VAE)、以及Transtomer模型等。通过理论讲解与实例演示相结合,你将掌握深度学习的基本原理、应用场景和实现技巧,为大家的深度学习之路提供坚实的知识基础
专注AI领域,擅长深度学习+计算机视觉+自然语言处理 可提供【论文、就业、项目、技术指导】和【免_费咨询答疑】
视频选集
(1/100)
学习路线图
09:10
01.深度学习要解决的问题
07:56
02.深度学习应用领域
14:07
03.计算机视觉任务
05:49
04.视觉任务中遇到的问题
10:02
05.得分函数
07:15
06.损失函数的作用
10:43
07.前向传播整体流程
13:46
08.梯度下降通俗解释(以线性回归算法为例,神经网络也是如此)
08:35
09.参数更新方法
08:18
10.优化参数设置
08:52
11.返向传播计算方法
09:34
12.神经网络整体架构
10:52
13.神经网络架构细节
10:55
14. 神经元个数对结果的影响
07:12
15.正则化与激活函数
08:50
16.神经网络过拟合解决方法
11:07
17.神经网络整体框架概述
07:30
18.参数初始化操作
12:45
19.矩阵向量转换
09:10
20.向量反变换
09:18
21.完成前向传播模块
10:18
22.损失函数定义
09:24
23.准备反向传播迭代
08:02
24.差异项计算
10:42
25.逐层计算
10:11
26.完成全部迭代更新模块
13:50
27.手写字体识别数据集
10:32
28.算法代码错误修正
10:38
29.模型优化结果展示
10:52
30.测试效果可视化展示
13:10
1-卷积神经网络应用领域
07:16
2-卷积的作用
09:24
3-卷积特征值计算方法
08:08
4-得到特征图表示
06:59
5-步长与卷积核大小对结果的影响
08:12
6-边缘填充方法
06:31
7-特征图尺寸计算与参数共享
07:03
8-池化层的作用
05:39
9-整体网络架构
06:21
10-VGG网络架构
06:17
11-残差网络Resnet
07:42
12-感受野的作用
05:47
26.1-RNN网络架构解读
11:28
27.1-词向量模型通俗解释
08:15
28.2-模型整体框架
10:10
29.3-训练数据构建
05:11
30.4-CBOW与Skip-gram模型
08:21
31.5-负采样方案
07:41
32.2-简介与安装
06:45
33.2-数据加载与预处理
10:25
34.3-搭建网络模型
12:22
35.4-学习率对结果的影响
09:39
36.5-Drop-out操作
07:42
37.6-权重初始化方法对比
08:31
38.7-初始化标准差对结果的影响
04:17
39.9-加载模型进行测试
11:31
40.1-卷积层构造
09:03
41.2-整体流程
10:01
42.3-BatchNormalization效果
11:08
43.4-参数对比
10:14
44.5-网络测试效果
03:40
45.1-时间序列模型
09:24
46.2-网络结构与参数定义
07:53
47.3-构建LSTM模型
06:42
48.4-训练模型与效果展示
11:16
49.6-股票数据预测
07:14
50.7-数据预处理
08:04
51.8-预测结果展示
06:25
40.1-图神经网络应用领域分析
11:14
41.2-图基本模块定义
05:30
42.3-邻接矩阵的定义
06:08
43.4-GNN中常见任务
07:46
44.5-消息传递计算方法
06:23
45.6-多层GCN的作用
05:40
46.1-GCN基本模型概述
06:05
47.2-图卷积的基本计算方法
05:40
48.3-邻接的矩阵的变换
07:20
49.4-GCN变换原理解读
07:54
50.1-对抗生成网络通俗解释
08:26
51.2-GAN网络组成
05:15
52.3-损失函数解释说明
10:06
53.4-数据读取模块
08:27
54.5-生成与判别网络定义
08:40
55.1-CycleGan网络所需数据
06:51
56.2-CycleGan整体网络架构
10:04
57.3-PatchGan判别网络原理
04:41
58.4-Cycle开源项目简介
07:08
59.5-数据读取与预处理操作
10:18
60.6-生成网络模块构造
12:13
61.7-判别网络模块构造
05:03
62.8-损失函数:identity loss计算方法
09:13
63.9-生成与判别损失函数指定
11:41
64.10-额外补充:VISDOM可视化配置
05:55
65.1. 1-transformer发家史介绍
06:20
66.2. 2-对图像数据构建patch序列
09:13
67.3. 3-VIT整体架构解读
09:28
68.4. 4-CNN遇到的问题与窘境
07:33
69.5. 5-计算公式解读
09:11
70.6. 6-位置编码与TNT模型
08:49
客服
顶部
赛事库 课堂 2021拜年纪