课程从深度学习框架开始,讲解了卷积神经网络,循环神经网络RNN与LSTM,Pytorch张量操作与张量高级操作,随机梯度下降,多层感知机与分类器,过拟合等非常典型的人工智能与深度学习技术课程,正在攻读充电的同学们不要错过。
部分文件目录:
(0);目录中文件数:0个 (1)\1.深度学习框架介绍 ├─1.lesson1-PyTorch介绍.mp4 (2)\10.卷积神经网络CNN ├─50.lesson37-什么是卷积-1.mp4 ├─51.lesson37-什么是卷积-2.mp4 ├─52.lesson38-卷积神经网络-1.mp4 ├─53.lesson38-卷积神经网络-2.mp4 ├─54.lesson38-卷积神经网络-3.mp4 ├─55.lesson39-Pooling&upsample.mp4 ├─56.lesson40-BatchNorm-1.mp4 ├─57.lesson40-BatchNorm-2.mp4 ├─58.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4 ├─59.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4 ├─60.lesson42-ResNet,DenseNet-1.mp4 ├─61.lesson42-ResNet, DenseNet-2.mp4 ├─62.lesson43-nn.Module-1.mp4 ├─63.lesson43-nn.Module-2.mp4 ├─64.lesson44-数据增强Data Argumentation.mp4 (3)\11.CIFAR10与ResNet实战; (4)\12.循环神经网络RNN&LSTM; ├─65.lesson46-时间序列表示.mp4 ├─66.lesson47-RNN原理-1.mp4 ├─67.lesson47-RNN原理-2.mp4 ├─68.lesson48-RNN Layer使用-1.mp4 ├─69.lesson48-RNN Layer使用-2.mp4 ├─70.lesson49-时间序列预测.mp4 ├─71.lesson50-RNN训练难题.mp4 ├─72.lesson51-LSTM原理-1.mp4 ├─73.lesson51-LSTM原理-2.mp4 ├─74.lesson52-LSTM Layer使用.mp4 ├─75.lesson53-情感分类实战.mp4 (5)\13.对抗生成网络GAN ├─76.lesson54-数据分布.mp4 ├─77.lesson55-画家的成长历程.mp4 ├─78.lesson56-GAN发展.mp4 ├─79.lesson57-纳什均衡-D.mp4 ├─80.lesson58-纳什均衡-G.mp4 ├─81.lesson59-JS散度的弊端.mp4 ├─82.lesson60-EM距离.mp4 ├─83.lesson61-WGAN与WGAN-GP.mp4 ├─84.lesson62-G和D实现.mp4 ├─85.lesson63-GAN实战.mp4 ├─86.lesson64-GAN训练不稳定.mp4 ├─87.lesson65-WGAN-GP实战.mp4 (6)\2.开发环境准备 ├─2.lesson2-开发环境准备.mp4 (7)\3.初见深度学习 ├─3.lesson3-初探Linear Regression案例-1.mp4 ├─4.lesson3-初探Linear Regression案例-2.mp4 ├─5.lesson4-PyTorch求解Linear Regression案例.mp4 ├─6.lesson5 -手写数字问题引入1.mp4 ├─7.lesson5 -手写数字问题引入2.mp4 (8)\4.Pytorch张量操作;目录中文件数:10个 ├─10.lesson7 创建Tensor 1.mp4 ├─11.lesson7 创建Tensor 2.mp4 ├─12.lesson8 索引与切片1.mp4 ├─13.lesson8 索引与切片2.mp4 ├─14.lesson9 维度变换1.mp4 ├─15.lesson9 维度变换2.mp4 ├─16.lesson9 维度变换3.mp4 ├─17.lesson9 维度变换4.mp4 ├─8.lesson6 基本数据类型1.mp4 ├─9.lesson6 基本数据类型2.mp4 (9)\5.张量高阶操作 ├─18.lesson10 Broatcasting 1.mp4 ├─19.lesson10 Broatcasting 2.mp4 ├─20.lesson11 合并与切割1.mp4 ├─21.lesson11 合并与切割2.mp4 ├─22.lesson12 基本运算.mp4 ├─23.lesson13 数据统计1.mp4 ├─24.lesson13 数据统计2.mp4 ├─25.lesson14 高阶OP.mp4 (10)\6.随机梯度下降 ├─26.lesson16 什么是梯度1.mp4 ├─27.lesson16 什么是梯度2.mp4 ├─28.lesson17 常见梯度.mp4 ├─29.lesson18 激活函数及其梯度1.mp4 ├─30.lesson18 激活函数及其梯度2.mp4 ├─31.lesson18 激活函数及其梯度3.mp4 (11)\7.感知机梯度传播推导 ├─32.lesson19 单一输出感知机1.mp4 ├─33.lesson19 多输出Loss层2.mp4 ├─34.lesson20 链式法则.mp4 ├─35.lesson21 反向传播.mp4 ├─36.lesson22 优化小实例.mp4 (12)\8.多层感知机与分类器 ├─37.lesson24 Logistic Regression.mp4 ├─38.lesson25 交叉熵.mp4 ├─39.lesson26 多分类实战.mp4 ├─40.lesson27 全连接层.mp4 ├─41.lesson28 激活函数与GPU加速.mp4 ├─42.lesson29 测试.mp4 ├─43.lesson30-Visdom可视化.mp4 (13)\9.过拟合;目录中文件数:6个 ├─44.lesson31-过拟合与欠拟合.mp4 ├─45.lesson32-Train-Val-Test-交叉验证-1.mp4 ├─46.lesson32-Train-Val-Test-交叉验证-2.mp4 ├─47.lesson33-regularization.mp4 ├─48.lesson34-动量与lr衰减.mp4 ├─49.lesson35-early stopping, dropout, sgd.mp4