尚硅谷AI大模型之深度学习

小博

001_课程简介.mp4
002_深度学习_概述.mp4
003_神经网络_基本概念和结构.mp4
004_神经网络_感知机和激活函数.mp4
005_激活函数_阶跃、Sigmoid和Tanh.mp4
006_激活函数_ReLU.mp4
007_激活函数_Softmax.mp4
008_其它激活函数.mp4
009_简单神经网络_信号传递.mp4
010_简单神经网络_代码实现.mp4
011_神经网络案例_手写数字识别_整体思路.mp4
012_神经网络案例_手写数字识别_具体实现.mp4
013_神经网络案例_手写数字识别_小批量计算.mp4
014_损失函数_MSE.mp4
015_损失函数_交叉熵误差.mp4
016_损失函数_分类和回归任务常见损失函数.mp4
017_数值微分_求导.mp4
018_数值微分_计算切线.mp4
019_数值微分_偏导数和梯度.mp4
020_数值微分_计算梯度.mp4
021_定义神经网络类.mp4
022_神经网络的梯度计算.mp4
023_梯度下降法_原理和代码实现.mp4
024_梯度下降法案例_求最小值.mp4
025_梯度下降法_超参数的影响.mp4
026_梯度下降法_训练相关概念.mp4
027_梯度下降法_SGD基本原理.mp4
028_梯度下降法_SGD案例_神经网络类实现.mp4
029_梯度下降法_SGD案例_加载数据和定义超参数.mp4
030_梯度下降法_SGD案例_模型训练和测试.mp4
031_反向传播_计算图和反向求导.mp4
032_反向传播_链式法则.mp4
033_反向传播_加法和乘法节点.mp4
034_反向传播_激活函数层_ReLU.mp4
035_反向传播_激活函数层_Sigmoid.mp4
036_反向传播_仿射层Affine.mp4
037_反向传播_输出层_基本介绍.mp4
038_反向传播_输出层_原理推导.mp4
039_反向传播_输出层_代码实现.mp4
040_综合应用案例_手写数字识别_定义网络类.mp4
041_综合应用案例_手写数字识别_模型训练和测试.mp4
042_深度神经网络.mp4
043_梯度消失和梯度爆炸.mp4
044_学习优化方法_SGD.mp4
045_学习优化方法_动量法.mp4
046_学习优化方法_学习率衰减.mp4
047_学习优化方法_AdaGrad.mp4
048_学习优化方法_RMSProp.mp4
049_学习优化方法_Adam.mp4
050_学习优化方法_综合对比.mp4
051_学习优化方法_超参数的调节.mp4
052_参数初始化_常数初始化及其问题.mp4
053_参数初始化_Xavier和He初始化.mp4
054_正则化_Batch Norm.mp4
055_正则化_权值衰减和Dropout.mp4
056_PyTorch_基本介绍.mp4
057_PyTorch_安装流程及CUDA介绍.mp4
058_PyTorch_安装完成验证.mp4
059_PyTorch_张量创建_按内容.mp4
060_PyTorch_张量创建_按形状.mp4
061_PyTorch_张量创建_按类型.mp4
062_PyTorch_张量创建_指定区间.mp4
063_PyTorch_张量创建_按数值填充.mp4
064_PyTorch_张量创建_随机生成.mp4
065_PyTorch_随机排列和随机数种子.mp4
066_PyTorch_张量转换_元素数据类型转换.mp4
067_PyTorch_张量转换_张量和ndarray的转换.mp4
068_PyTorch_张量转换_张量和标量的转换.mp4
069_PyTorch_张量数值计算_基本运算.mp4
070_PyTorch_张量数值计算_哈达玛积和矩阵乘法.mp4
071_PyTorch_节省内存.mp4
072_PyTorch_张量统计运算函数.mp4
073_PyTorch_张量索引操作_简单索引和范围索引.mp4
074_PyTorch_张量索引操作_列表索引.mp4
075_PyTorch_张量索引操作_布尔索引.mp4
076_PyTorch_张量形状操作_交换维度.mp4
077_PyTorch_张量形状操作_调整形状.mp4
078_PyTorch_张量形状操作_增减维度.mp4
079_PyTorch_张量拼接和堆叠.mp4
080_PyTorch_自动微分模块_计算梯度基本流程.mp4
081_PyTorch_自动微分模块_梯度计算原理.mp4
082_PyTorch_自动微分模块_分离张量.mp4
083_PyTorch_自动微分模块_detach对梯度计算的影响.mp4
084_PyTorch_自动微分模块_detach与data的区别.mp4
085_PyTorch_线性回归案例_模块和流程介绍.mp4
086_PyTorch_线性回归案例_代码实现.mp4
087_PyTorch深度学习_激活函数_Sigmoid.mp4
088_PyTorch深度学习_激活函数_Tanh.mp4
089_PyTorch深度学习_激活函数_ReLU.mp4
090_PyTorch深度学习_激活函数_Softmax.mp4
091_PyTorch深度学习_全连接层和参数初始化.mp4
092_PyTorch深度学习_Dropout层.mp4
093_PyTorch深度学习_神经网络搭建.mp4
094_PyTorch深度学习_查看模型参数.mp4
095_PyTorch深度学习_查看模型结构和参数数量.mp4
096_PyTorch深度学习_device设置.mp4
097_PyTorch深度学习_使用Sequential创建神经网络.mp4
098_PyTorch深度学习_损失函数_BCE.mp4
099_PyTorch深度学习_损失函数_CrossEntropyLoss.mp4
100_PyTorch深度学习_损失函数_回归任务损失函数.mp4
101_PyTorch深度学习_损失函数_综合测试.mp4
102_PyTorch深度学习_动量法.mp4
103_PyTorch深度学习_学习率衰减_等间隔.mp4
104_PyTorch深度学习_学习率衰减_指定间隔和指数衰减.mp4
105_PyTorch深度学习_AdaGrad和RMSProp.mp4
106_PyTorch深度学习_Adam.mp4
107_房价预测案例_数据分析和导入模块.mp4
108_房价预测案例_特征工程.mp4
109_房价预测案例_模型创建.mp4
110_房价预测案例_定义损失函数.mp4
111_房价预测案例_训练模型和测试.mp4
112_CNN_基本结构.mp4
113_CNN_卷积层_基本介绍.mp4
114_CNN_卷积层_数学上的卷积.mp4
115_CNN_卷积层_CNN的卷积运算.mp4
116_CNN_卷积层_填充.mp4
117_CNN_卷积层_步幅和输出形状计算.mp4
118_CNN_卷积层_3维数据卷积运算.mp4
119_CNN_卷积层_API调用和测试.mp4
120_CNN_池化层_基本概念和特点.mp4
121_CNN_池化层_API调用和测试.mp4
122_CNN_深度卷积神经网络.mp4
123_服装分类案例_加载数据集.mp4
124_服装分类案例_创建模型.mp4
125_服装分类案例_模型训练.mp4
126_服装分类案例_模型测试.mp4
127_NLP概述.mp4
128_词向量和词嵌入.mp4
129_嵌入层API使用.mp4
130_词嵌入应用和NLP模型.mp4
131_RNN_基本结构和原理.mp4
132_RNN_API调用.mp4
133_RNN_输入输出形状.mp4
134_古诗生成案例_数据预处理.mp4
135_古诗生成案例_创建数据集.mp4
136_古诗生成案例_创建模型.mp4
137_古诗生成案例_模型训练.mp4
138_古诗生成案例_生成新诗.mp4
代码.zip
笔记.zip
资料.zip

游客，如果您要查看本帖隐藏内容请回复

进击的菜菜子

啥也不说了，感谢楼主分享哇！

mayongz2023

啥也不说了，感谢楼主分享哇！

taipingyang2021

啥也不说了，感谢楼主分享哇！