文件清单 180 项

• 1-00 预告[动手学深度学习v2]-1080P 高清-AVC.ass
• 1-00 预告[动手学深度学习v2]-1080P 高清-AVC.Cover.jpg
• 1-00 预告[动手学深度学习v2]-1080P 高清-AVC.mp4
• 000pdf+src.exe
• 1-01 课程安排[动手学深度学习v2]-1080P 高清-AVC.ass
• 1-01 课程安排[动手学深度学习v2]-1080P 高清-AVC.Cover.jpg
• 1-01 课程安排[动手学深度学习v2]-1080P 高清-AVC.mp4
• 1-深度学习介绍-1080P 高清-AVC.ass
• 1-深度学习介绍-1080P 高清-AVC.Cover.jpg

展开全部 180 项

• 1-深度学习介绍-1080P 高清-AVC.mp4
• 2-深度学习介绍 QA-1080P 高清-AVC.ass
• 2-深度学习介绍 QA-1080P 高清-AVC.Cover.jpg
• 2-深度学习介绍 QA-1080P 高清-AVC.mp4
• 1-安装-1080P 高清-AVC.ass
• 1-安装-1080P 高清-AVC.Cover.jpg
• 1-安装-1080P 高清-AVC.mp4
• 2-安装 QA-1080P 高清-AVC.ass
• 2-安装 QA-1080P 高清-AVC.Cover.jpg
• 2-安装 QA-1080P 高清-AVC.mp4
• 1-数据操作-1080P 高清-AVC.ass
• 1-数据操作-1080P 高清-AVC.Cover.jpg
• 1-数据操作-1080P 高清-AVC.mp4
• 2-数据操作实现-1080P 高清-AVC.ass
• 2-数据操作实现-1080P 高清-AVC.Cover.jpg
• 2-数据操作实现-1080P 高清-AVC.mp4
• 3-数据预处理实现-1080P 高清-AVC.ass
• 3-数据预处理实现-1080P 高清-AVC.Cover.jpg
• 3-数据预处理实现-1080P 高清-AVC.mp4
• 4-数据操作 QA-1080P 高清-AVC.ass
• 4-数据操作 QA-1080P 高清-AVC.Cover.jpg
• 4-数据操作 QA-1080P 高清-AVC.mp4
• 1-线性代数-1080P 高清-AVC.ass
• 1-线性代数-1080P 高清-AVC.Cover.jpg
• 1-线性代数-1080P 高清-AVC.mp4
• 2-线性代数实现-1080P 高清-AVC.ass
• 2-线性代数实现-1080P 高清-AVC.Cover.jpg
• 2-线性代数实现-1080P 高清-AVC.mp4
• 3-按特定轴求和-1080P 高清-AVC.ass
• 3-按特定轴求和-1080P 高清-AVC.Cover.jpg
• 3-按特定轴求和-1080P 高清-AVC.mp4
• 4-线性代数 QA-1080P 高清-AVC.ass
• 4-线性代数 QA-1080P 高清-AVC.Cover.jpg
• 4-线性代数 QA-1080P 高清-AVC.mp4
• 1-矩阵计算-1080P 高清-AVC.ass
• 1-矩阵计算-1080P 高清-AVC.Cover.jpg
• 1-矩阵计算-1080P 高清-AVC.mp4
• 2-矩阵计算 QA-1080P 高清-AVC.ass
• 2-矩阵计算 QA-1080P 高清-AVC.Cover.jpg
• 2-矩阵计算 QA-1080P 高清-AVC.mp4
• 1-自动求导-1080P 高清-AVC.ass
• 1-自动求导-1080P 高清-AVC.Cover.jpg
• 1-自动求导-1080P 高清-AVC.mp4
• 2-自动求导实现-1080P 高清-AVC.ass
• 2-自动求导实现-1080P 高清-AVC.Cover.jpg
• 2-自动求导实现-1080P 高清-AVC.mp4
• 3-自动求导 QA-1080P 高清-AVC.ass
• 3-自动求导 QA-1080P 高清-AVC.Cover.jpg
• 3-自动求导 QA-1080P 高清-AVC.mp4
• 1-线性回归-1080P 高清-AVC.ass
• 1-线性回归-1080P 高清-AVC.Cover.jpg
• 1-线性回归-1080P 高清-AVC.mp4
• 2-基础优化算法-1080P 高清-AVC.ass
• 2-基础优化算法-1080P 高清-AVC.Cover.jpg
• 2-基础优化算法-1080P 高清-AVC.mp4
• 3-线性回归的从零开始实现-1080P 高清-AVC.ass
• 3-线性回归的从零开始实现-1080P 高清-AVC.Cover.jpg
• 3-线性回归的从零开始实现-1080P 高清-AVC.mp4
• 4-线性回归的简洁实现-1080P 高清-AVC.ass
• 4-线性回归的简洁实现-1080P 高清-AVC.Cover.jpg
• 4-线性回归的简洁实现-1080P 高清-AVC.mp4
• 5-QA-1080P 高清-AVC.ass
• 5-QA-1080P 高清-AVC.Cover.jpg
• 5-QA-1080P 高清-AVC.mp4
• 1-Softmax 回归-1080P 高清-AVC.ass
• 1-Softmax 回归-1080P 高清-AVC.Cover.jpg
• 1-Softmax 回归-1080P 高清-AVC.mp4
• 2-损失函数-1080P 高清-AVC.ass
• 2-损失函数-1080P 高清-AVC.Cover.jpg
• 2-损失函数-1080P 高清-AVC.mp4
• 3-图片分类数据集-1080P 高清-AVC.ass
• 3-图片分类数据集-1080P 高清-AVC.Cover.jpg
• 3-图片分类数据集-1080P 高清-AVC.mp4
• 4-Softmax 回归从零开始实现-1080P 高清-AVC.ass
• 4-Softmax 回归从零开始实现-1080P 高清-AVC.Cover.jpg
• 4-Softmax 回归从零开始实现-1080P 高清-AVC.mp4
• 5-Softmax 回归简洁实现-1080P 高清-AVC.ass
• 5-Softmax 回归简洁实现-1080P 高清-AVC.Cover.jpg
• 5-Softmax 回归简洁实现-1080P 高清-AVC.mp4
• 6-QA-1080P 高清-AVC.ass
• 6-QA-1080P 高清-AVC.Cover.jpg
• 6-QA-1080P 高清-AVC.mp4
• 1-Windows 下安装 CUDA 和 Pytorch 跑深度学习 - 动手学深度学习v2-1080P 高清-AVC.ass
• 1-Windows 下安装 CUDA 和 Pytorch 跑深度学习 - 动手学深度学习v2-1080P 高清-AVC.Cover.jpg
• 1-Windows 下安装 CUDA 和 Pytorch 跑深度学习 - 动手学深度学习v2-1080P 高清-AVC.mp4
• 1-Windows 下安装 CUDA 和 Pytorch 跑深度学习 - 动手学深度学习v2-1080P 高清-AVC_中文(中国).srt
• 1-使用 AWS 最便宜的 GPU 实例 - 动手学深度学习v2-1080P 高清-AVC.ass
• 1-使用 AWS 最便宜的 GPU 实例 - 动手学深度学习v2-1080P 高清-AVC.Cover.jpg
• 1-使用 AWS 最便宜的 GPU 实例 - 动手学深度学习v2-1080P 高清-AVC.mp4
• 1-感知机-1080P 高清-AVC.ass
• 1-感知机-1080P 高清-AVC.Cover.jpg
• 李沐-动手学深度学习V2/
• 00 预告/
• 000pdf+src/
• 01 课程安排/
• 02 深度学习介绍/
• 03 安装/
• 04 数据操作 + 数据预处理/
• 05 线性代数/
• 06 矩阵计算/
• 07 自动求导/
• 08 线性回归 + 基础优化算法/
• 09 Softmax 回归 + 损失函数 + 图片分类数据集/
• 09A Windows 下安装 CUDA 和 Pytorch 跑深度学习/
• 09B 使用 AWS 最便宜的 GPU 实例/
• 10 多层感知机 + 代码实现/
• 10行代码战胜90%数据科学家?/
• 11 模型选择 + 过拟合和欠拟合/
• 12 权重衰退/
• 13 丢弃法/
• 14 数值稳定性 + 模型初始化和激活函数/
• 15 实战:Kaggle房价预测 + 课程竞赛:加州2020年房价预测/
• 16 PyTorch 神经网络基础/
• 17 使用和购买 GPU/
• 18 预测房价竞赛总结/
• 19 卷积层/
• 20 卷积层里的填充和步幅/
• 21 卷积层里的多输入多输出通道/
• 22 池化层/
• 23 经典卷积神经网络 LeNet/
• 24 深度卷积神经网络 AlexNet/
• 25 使用块的网络 VGG/
• 26 网络中的网络 NiN/
• 27 含并行连结的网络 GoogLeNet Inception V3/
• 28 批量归一化/
• 29 残差网络 ResNet/
• 29.2 ResNet为什么能训练出1000层的模型/
• 30 第二部分完结竞赛:图片分类/
• 31 深度学习硬件:CPU 和 GPU/
• 32 深度学习硬件:TPU和其他/
• 33 单机多卡并行/
• 34 多GPU训练实现/
• 35 分布式训练/
• 36 数据增广/
• 37 微调/
• 38 第二次竞赛 树叶分类结果/
• 39 实战 Kaggle 比赛:图像分类(CIFAR-10)/
• 40 实战 Kaggle 比赛:狗的品种识别(ImageNet Dogs)/
• 41 物体检测和数据集/
• 42 锚框/
• 43 树叶分类竞赛技术总结/
• 44 物体检测算法:R-CNN,SSD,YOLO/
• 45 SSD实现/
• 46 语义分割和数据集/
• 47 转置卷积/
• 47.2 转置卷积是一种卷积/
• 48 全连接卷积神经网络 FCN/
• 49 样式迁移/
• 50 课程竞赛:牛仔行头检测/
• 51 序列模型/
• 52 文本预处理/
• 53 语言模型/
• 54 循环神经网络 RNN/
• 55 循环神经网络 RNN 的实现/
• 56 门控循环单元(GRU)/
• 57 长短期记忆网络(LSTM)/
• 58 深层循环神经网络/
• 59 双向循环神经网络/
• 60 机器翻译数据集/
• 61 编码器-解码器架构/
• 62 序列到序列学习(seq2seq)/
• 63 束搜索/
• 64 注意力机制/
• 65 注意力分数/
• 66 使用注意力机制的seq2seq/
• 67 自注意力/
• 69 BERT预训练/
• 70 BERT微调/
• 71 目标检测竞赛总结/
• 72 优化算法/
• 73 课程总结和进阶学习[完结]/