← 返回专栏列表

100_配置版本

共 143 篇文章

#1

100_配置版本

#2

101_Pytorch安装

#3

102_Python两大法宝

#4

103_Pytorch加载数据

#5

104_Tensorboard使用

#6

105_Transforms使用

#7

106_torchvision数据集使用

#8

107_Dataloader使用

#9

108_nn.Module模块使用

#10

109_卷积原理

#11

#12

111_最大池化层

#13

112_非线性激活

#14

113_线性层及其他层

#15

114_搭建小实战和Sequential使用

#16

115_损失函数与反向传播

#17

#18

117_网络模型使用及修改

#19

118_网络模型保存与读取

#20

119_完整模型训练套路

#21

120_利用GPU训练

#22

121_完整模型验证套路

#23

122_查看开源项目

#24

200_深度学习介绍

#25

201_配置版本

#26

202_数据操作、数据预处理

#27

203_线性代数

#28

204_矩阵计算

#29

205_自动求导

#30

206_线性回归、优化算法

#31

207_Softmax回归、损失函数、分类

#32

208_多层感知机

#33

209_模型选择、过拟合、欠拟合

#34

210_权重衰退

#35

#36

212_数值稳定性、模型初始化、激活函数

#37

213_Kaggle房价预测

#38

214_PyTorch神经网络基础

#39

215_使用购买GPU

#40

#41

217_卷积层里的填充和步幅

#42

218_卷积层里的多输入多输出通道

#43

#44

220_经典神经网络LeNet

#45

221_深度卷积神经网络AlexNet

#46

222_使用块的网络VGG

#47

223_网络中的网络NiN

#48

224_合并行连接的网络GoogLeNet

#49

225_批量归一化

#50

226_残差神经网络ResNet

#51

227_深度学习硬件CPU和GPU

#52

228_深度学习硬件TPU和其他

#53

229_单机多卡并行

#54

230_多GPU训练实现

#55

231_分布式训练

#56

232_数据增广

#57

#58

234_实战Kaggle比赛图像分类CIFAR10

#59

235_实战Kaggle比赛狗的品种识别ImageNetDogs

#60

236_物体检测和数据集

#61

#62

238_树叶分类竞赛技术总结

#63

239_物体检测算法R-CNN、SSD、YOLO

#64

#65

241_语义分割和数据集

#66

242_转置卷积

#67

243_转置卷积是一种卷积

#68

244_全连接卷积神经网络FCN

#69

245_样式迁移

#70

246_序列模型

#71

247_文本预处理

#72

248_语言模型

#73

249_循环神经网络RNN

#74

250_循环神经网络RNN的实现

#75

251_门控循环单元GRU

#76

252_长短期记忆网络LSTM

#77

253_深层循环神经网络

#78

254_双向循环神经网络

#79

255_机器翻译数据集

#80

256_编码器解码器架构

#81

257_序列到序列学习seq2seq

#82

#83

259_注意力机制

#84

260_注意力分数

#85

261_使用注意力机制的seq2seq

#86

262_自注意力

#87

263_Transformer

#88

264_BERT预训练

#89

#90

266_目标检测竞赛总结

#91

267_优化算法

#92

268_课程总结和进阶学习

#93

300_配置版本

#94

301_课程1_第1周_深度学习概述

#95

302_课程1_第2周a_神经网络基础之逻辑回归

#96

303_课程1_第2周b_神经网络基础之Python与向量化

#97

304_课程1_第3周_浅层神经网络

#98

305_课程1_第4周_深层神经网络

#99

306_课程1_第1周_测验题

#100

307_课程1_第2周_测验题

#101

308_课程1_第3周_测验题

#102

309_课程1_第4周_测验题

#103

310_课程1_第1周_作业题_numpy构建基本函数

#104

311_课程1_第2周_作业题_神经网络思想实现Logistic回归

#105

312_课程1_第3周_作业题_1层隐藏层的神经网络分类二维数据

#106

313_课程1_第4周_作业题_逐步构建你的深度神经网络

#107

314_课程2_第1周_深度学习的实用层面

#108

315_课程2_第2周_优化算法

#109

316_课程2_第3周_超参数调试、Batch正则化和编程框架

#110

317_课程2_第1周_测验题

#111

318_课程2_第2周_测验题

#112

319_课程2_第3周_测验题

#113

320_课程2_第1周_作业题_深度神经网络的初始化_正则化_梯度检验

#114

321_课程2_第2周_作业题_优化算法

#115

322_课程2_第3周_作业题_Tensorflow入门

#116

323_课程3_第1周_机器学习策略（上）

#117

324_课程3_第2周_机器学习策略（下）

#118

325_课程3_第1周_测验题

#119

330_课程4_第2周_深度卷积模型

#120

331_课程4_第3周_目标检测

#121

332_课程4_第4周_人脸识别与神经风格迁移

#122

333_课程4_第1周_测验题

#123

334_课程4_第2周_测验题

#124

335_课程4_第3周_测验题

#125

336_课程4_第4周_测验题

#126

337_课程4_第1周_作业题_搭建卷积神经网络以及应用

#127

338_课程4_第2周_作业题_Keras入门与残差网络搭建

#128

339_课程4_第3周_作业题_车辆检测

#129

340_课程4_第4周_作业题a_人脸识别

#130

341_课程4_第4周_作业题b_风格迁移

#131

342_课程5_第1周_循环神经网络RNN

#132

343_课程5_第2周_特征向量表征

#133

344_课程5_第3周_序列模型和注意力机制

#134

345_课程5_第1周_测验题

#135

346_课程5_第2周_测验题

#136

347_课程5_第3周_测验题

#137

348_课程5_第1周_作业题a_搭建RNN网络和LSTM网络

#138

349_课程5_第1周_作业题b_字符语言模型和诗歌生成

#139

350_课程5_第1周_作业题c_LSTM网络生成爵士乐

#140

351_课程5_第2周_作业题a_词向量运算

#141

352_课程5_第2周_作业题b_表情情感分类器

#142

353_课程5_第3周_作业题a_机器翻译

#143

354_课程5_第3周_作业题b_语音识别关键字