投稿

2019黑马-30-33 深度学习必备原理与实战4

339

0

2019-12-03 11:35:59

http://www.52studyit 下载请用jijiDown 推荐关注公众号江觉红呓 (微信搜索mjyttb) 回复 2019黑马Python 获取相应视频和代码往期的视频和代码也可以在微信号中留言,我会尽快分享

某江鱼-觉发消息

类君子之有道，入暗室而不欺；同至人之无迹，怀明义以应时。

难题再难，也逃不过千问啦！

海藻爱麻麻

1-神经网络案例-cifar分类任务

16:02

2-神经网络案例-分模块构造神经网络

13:34

3-神经网络案例-训练神经网络完成分类任务

13:27

4-神经网络架构-感受神经网络的强大

11:31

1-线性分类

09:35

2-损失函数

09:18

3-正则化惩罚项

07:20

4-softmax分类器

13:39

1-深度学习概述

11:28

2-挑战与常规套路

09:41

3-用K近邻来进行分类

10:02

1-整体架构

10:12

2-实例演示

10:39

3-过拟合解决方案

15:54

1-最优化形象解读

06:47

2-最优化问题细节

11:49

3-反向传播

15:18

1-使用Gensim库构造词向量

06:22

2-维基百科中文数据处理

10:27

3-Gensim构造word2vec模型

08:53

4-测试模型相似度结果

07:43

1-卷积池化反向传播

14:44

2-卷积网络代码1

10:20

3-卷积网络代码2

12:01

1-影评情感分类

17:49

2-基于词袋模型训练分类器

11:09

3-准备word2vec输入数据

10:47

4-使用gensim构建word2vec词向量

16:36

1-pading与stride

13:14

2-卷积参数共享

08:10

3-池化层原理

08:25

1-卷积神经网络的应用

14:56

2-卷积层解释

12:54

3-卷积计算过程

12:31

0-开篇

04:37

1-自然语言处理与深度学习

11:59

2-语言模型

06:16

3-N-gram模型

08:33

4-词向量

09:28

5-神经网络模型

10:03

6-Hierarchical Softmax

10:02

7-CBOW模型实例

11:21

8-CBOW求解目标

05:40

9-锑度上升求解

10:11

10-负采样模型

07:16

1-卷积神经网络模型架构

10:57

2-卷积神经网络模型参数

17:15

3-模型的保存和读取

15:31

1-使用RNN处理Mnist数据集

11:51

2-RNN网络模型

10:43

3-训练RNN网络

10:05

1-加载训练好的VGG网络模型

10:57

2-使用VGG模型进行测试

10:48

1-构造线性回归模型

13:33

2-Mnist数据集简介

06:30

3-逻辑回归框架

12:25

4-迭代完成逻辑回归模型

13:49

1-神经网络模型架构

07:49

2-训练神经网络

11:24

1-Tensorflow简介

00:39

2-Tensorflow安装

07:10

3-基本计算单元-变量

08:33

4- 常用基本操作

14:41

1-经典网络架构

10:30

2-分类与回归任务

18:11

3-三代物体检测算法

20:39

1-数据增强策略

10:44

2-TransferLearning

08:10

3-巧妙设计神经网络

21:52

1-验证码数据生成

10:44

2-构造网络的输入数据和标签

11:58

3-卷积网络模型定义

13:25

1-生成网络配置文件

10:21

2-对训练的网络模型绘制LOSS曲线

11:59

3-对训练结果进行分类任务

19:34

1-使用命令行训练网络

12:58

2-使用python定义自己的层

19:56

3-绘制网络结构图

12:43

1-制作LMDB数据源

32:00

2-多label问题之HDF5数据源

21:33

1-CAFFE简介

11:15

2-网络配置文件-数据层

18:15

3-网络配置文件-计算层

25:36

4-超参数solver文件

19:55

顶部