课程2 pytorch 神经网络介绍
https://classroom.udacity.com/courses/ud188/lessons/b4ca7aaa-b346-43b1-ae7d-20d27b2eab65/concepts/c2aab1c9-2d8a-4e7a-82e4-cdfe7818ac34
pytorch 课程2
视频选集
（61/62）
1简介
01:54
2_14逻辑回归
01:40
42dropout
03:09
16one-hot编码
01:20
15_1softmax_1
00:17
15_2softmax_2
03:29
15_3softmax_3
01:40
37测试
01:44
12错误功能
00:34
49动力
01:47
13对数丢失误差函数
05:52
21多级交叉熵
03:12
33_1反向传播1
05:13
33_2反向传播2
02:21
33_3反向传播3
01:15
33_4反向传播4
04:38
30非线性模型
00:53
11非线性区域
01:01
29非线性数据
00:21
2分类1
01:39
3分类2
01:05
6感知器
03:56
9_1感知器技巧1
01:38
9_2感知器技巧2
00:13
9_3感知器技巧3
03:00
10感知器算法
02:15
27感知器与梯度下降
02:38
8感知器作为逻辑运算符
00:23
更高尺寸
02:02
38过拟合
05:08
45渐变消失
01:05
19交叉熵1
03:18
20_1交叉熵2
00:23
20_2交叉熵3
05:33
39局部最小
00:43
14_1离散与连续1
00:19
14_2离散与连续2
03:59
28连续感知器
00:55
24_2逻辑回归1
03:46
24_3逻辑回归2
01:09
47批量与随机梯度下降
03:06
46其他激活函数
01:50
32_1前馈网络1
04:21
32_2前馈网络2
01:21
31_1神经网络架构1
03:48
31_2神经网络架构2
02:10
31_3神经网络架构3
02:10
31_4神经网络架构4
01:21
50世界各地错误功能
00:54
44随机重启
00:18
27梯度下降
02:52
7为什么选择神经网络
00:47
4线性边界
02:44
48学习率衰减
00:44
36训练优化
00:28
39早停止
03:41
40正则化1
00:53
41正则化2
06:01
18_1最大化概率1
00:35
18_2最大化概率2
01:35
17_1最大似然1
01:03
17_2最大似然2
03:09
顶部