1-1 课程导学

285
0
2019-04-09 14:08:55
3
投币
4
1
视频选集
(94/106)
1-1 课程导学
10:12
2-1 机器学习、深度学习简介
17:04
2-2 神经元-逻辑斯底回归模型
09:58
2-3 神经元多输出
13:03
2-4 梯度下降
11:52
2-5 数据处理与模型图构建(1)
16:22
2-6 数据处理与模型图构建(2)
16:31
2-7 神经元实现(二分类逻辑斯蒂回归模型实现)
33:45
2-8 神经网络实现(多分类逻辑斯蒂回归模型实现)
18:03
3-1 神经网络进阶
21:21
3-2 卷积神经网络(1)
18:52
3-3 卷积神经网络(2)
17:36
3-4 卷积神经网络实战
16:39
4-1 卷积神经网络进阶(alexnet)
23:15
4-2 卷积神经网络进阶(Vggnet-Resnet)
22:51
4-3 卷积神经网络进阶(inception-mobile-net)
22:56
4-4 VGG-ResNet实战(1)
20:23
4-5 VGG-ResNet实战(2)
17:54
4-6 Inception-mobile_net(1)
15:28
4-7 Inception-mobile_net(2)
14:40
5-1 adagrad_adam
10:32
5-2 激活函数到调参技巧(1)
24:14
5-3 激活函数到调参技巧(2)
20:52
5-4 Tensorboard实战(1) (1)
21:35
5-4 Tensorboard实战(1)
19:55
5-6 fine-tune-实战
17:32
5-7 activation-initializer-optimizer-实战
18:43
5-8 图像增强api使用
19:13
5-9 图像增强实战
16:03
5-10 批归一化实战(1)
12:19
5-11 批归一化实战(2)
12:42
6-1 卷积神经网络的应用
05:16
6-2 卷积神经网络的能力
04:39
6-3 图像风格转换V1算法
11:52
6-4 VGG16预训练模型格式
05:44
6-5 VGG16预训练模型读取函数封装
15:40
6-6 VGG16模型搭建与载入类的封装
18:22
6-7 图像风格转换算法定义输入与调用VGG-Net
13:19
6-8 图像风格转换计算图构建与损失函数计算
17:13
6-9 图像风格转换训练流程代码实现
14:35
6-10 图像风格转换效果展示
06:23
6-11 图像风格转换V2算法
14:12
6-12 图像风格转换V3算法
05:58
7-1 序列式问题
05:49
7-2 循环神经网络
23:32
7-3 长短期记忆网络
10:41
7-4 基于LSTM的文本分类模型(TextRNN与HAN)
14:04
7-5 基于CNN的文本分类模型(TextCNN)
20:22
7-6 RNN与CNN融合解决文本分类
15:30
7-7 数据预处理之分词
16:47
7-8 数据预处理之词表生成与类别表生成
13:22
7-9 实战代码模块解析
06:38
7-10 超参数定义
09:39
7-11 词表封装与类别封装
15:03
7-12 数据集封装
12:13
7-13 计算图输入定义
06:21
7-14 计算图实现
13:28
7-15 指标计算与梯度算子实现
06:43
7-16 训练流程实现
07:43
7-17 LSTM单元内部结构实现
17:14
7-18 TextCNN实现
09:58
7-19 循环神经网络总结
01:35
8-1 图像生成文本问题引入⼊
09:00
8-2 图像生成文本评测指标
08:26
8-3 Encoder-Decoder框架与Beam Search算法生成文本
05:35
8-4 Multi-Modal RNN模型
06:46
8-5 Show and Tell模型
02:35
8-6 Show attend and Tell 模型
14:59
8-7 Bottom-up Top-down Attention模型
05:32
8-8 图像生成文本模型对比与总结
04:25
8-9 数据介绍,词表生成
15:25
8-10 图像特征抽取(1)-文本描述文件解析
12:20
8-11 图像特征抽取(2)-InceptionV3预训练模型抽取图像特征
13:08
8-12 输入输出文件与默认参数定义
09:04
8-13 词表载入(www.itzixue.top)
10:17
8-14 文本描述转换为ID表示
05:26
8-15 ImageCaptionData类封装-图片特征读取
12:41
8-16 ImageCaptionData类封装-批数据生成
14:56
8-17 计算图构建-辅助函数实现
05:10
8-18 计算图构建-图片与词语embedding
14:07
8-19 计算图构建-rnn结构实现、损失函数与训练算子实现
20:09
8-20 训练流程代码
08:10
8-21 文本生成图像问题引入与本节课总结
07:04
9-1 对抗生成网络原理
12:32
9-2 深度卷积对抗生成网络DCGAN(1)
10:19
9-3 反卷积
10:31
9-4 深度卷积对抗生成网络DCGAN(2)_深度学习之神经网络RNNGAN算法原理实战
04:22
9-5 图像翻译Pix2Pix_深度学习之神经网络RNNGAN算法原理实战
11:30
9-6 无配对图像翻译CycleGAN(1)_深度学习之神经网络RNNGAN算法原理实战
06:35
9-7 无配对图像翻译CycleGAN(2)_深度学习之神经网络RNNGAN算法原理实战
08:46
9-8 多领域图像翻译StarGAN_深度学习之神经网络RNNGAN算法原理实战
12:50
9-9 文本生成图像Text2Img_深度学习之神经网络RNNGAN算法原理实战
09:02
9-10 对抗生成网络总结_深度学习之神经网络RNNGAN算法原理实战
03:57
9-12 数据生成器实现_深度学习之神经网络RNNGAN算法原理实战
14:47
9-13 DCGAN生成器器实现
15:42
9-14 DCGAN判别器实现
07:44
9-15 DCGAN计算图构建实现与损失函数实现_深度学习之神经网络RNNGAN算法原理实战
11:12
9-16 DCGAN训练算子实现_深度学习之神经网络RNNGAN算法原理实战
06:56
9-17 训练流程实现与效果展示_深度学习之神经网络RNNGAN算法原理实战
13:04
9-11 DCGAN实战引⼊
14:56
10-1 AutoML引入_深度学习之神经网络RNNGAN算法原理实战
07:26
10-2 自动网络结构搜索算法一_深度学习之神经网络RNNGAN算法原理实战
16:16
10-3 自动网络结构搜索算法一的分布式训练_深度学习之神经网络RNNGAN算法原理实战
08:10
10-4 自动网络结构搜索算法二_深度学习之神经网络RNNGAN算法原理实战
09:42
10-5 自动网络结构搜索算法三_深度学习之神经网络RNNGAN算法原理实战
09:21
11-1 课程总结
16:28

认识概率

194.0万 1837
客服
顶部
赛事库 课堂 2021拜年纪