文件清单 31 项

• 001-课程介绍.mp4
• 002-1-神经网络要完成的任务分析_ev.mp4
• 003-2-模型更新方法解读_ev.mp4
• 004-3-损失函数计算方法_ev.mp4
• 005-4-前向传播流程解读_ev.mp4
• 006-5-反向传播演示_ev.mp4
• 007-6-神经网络整体架构详细拆解_ev.mp4
• 008-7-神经网络效果可视化分析_ev.mp4
• 009-8-神经元个数的作用_ev.mp4

展开全部 31 项

• 010-9-预处理与dropout的作用_ev.mp4
• 011-1-卷积神经网络概述分析_ev.mp4
• 012-2-卷积要完成的任务解读_ev.mp4
• 013-3-卷积计算详细流程演示_ev.mp4
• 014-4-层次结构的作用_ev.mp4
• 015-5-参数共享的作用_ev.mp4
• 016-6-池化层的作用与效果_ev.mp4
• 017-7-整体网络结构架构分析_ev.mp4
• 018-8-经典网络架构概述_ev.mp4
• 019-1-RNN网络结构原理与问题_ev.mp4
• 020-2-注意力结构历史故事介绍_ev.mp4
• 021-3-self-attention要解决的问题_ev.mp4
• 022-4-QKV的来源与作用_ev.mp4
• 023-5-多头注意力机制的效果_ev.mp4
• 024-6-位置编码与解码器_ev.mp4
• 025-7-整体架构总结_ev.mp4
• 026-8-BERT训练方式分析_ev.mp4
• 027-1-PyTorch框架与其他框架区别分析_ev.mp4
• 028-2-CPU与GPU版本安装方法解读_ev.mp4
• 029-1-数据集与任务概述_ev.mp4
• 030-2-基本模块应用测试_ev.mp4
• 118 0基础 AI入门实战(深度学习+Pytorch) 通俗易懂0基础入门案例实战/