视频选集
（7/63）
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
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
9-11 DCGAN实战引⼊——www.itzixue.top
14:56
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
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
顶部