📚 学习资源站
首页
视频课程
学习专栏
电子书库
← 返回专栏列表
100_配置版本
共 143 篇文章
#1
100_配置版本
阅读
#2
101_Pytorch安装
阅读
#3
102_Python两大法宝
阅读
#4
103_Pytorch加载数据
阅读
#5
104_Tensorboard使用
阅读
#6
105_Transforms使用
阅读
#7
106_torchvision数据集使用
阅读
#8
107_Dataloader使用
阅读
#9
108_nn.Module模块使用
阅读
#10
109_卷积原理
阅读
#11
110_卷积层
阅读
#12
111_最大池化层
阅读
#13
112_非线性激活
阅读
#14
113_线性层及其他层
阅读
#15
114_搭建小实战和Sequential使用
阅读
#16
115_损失函数与反向传播
阅读
#17
116_优化器
阅读
#18
117_网络模型使用及修改
阅读
#19
118_网络模型保存与读取
阅读
#20
119_完整模型训练套路
阅读
#21
120_利用GPU训练
阅读
#22
121_完整模型验证套路
阅读
#23
122_查看开源项目
阅读
#24
200_深度学习介绍
阅读
#25
201_配置版本
阅读
#26
202_数据操作、数据预处理
阅读
#27
203_线性代数
阅读
#28
204_矩阵计算
阅读
#29
205_自动求导
阅读
#30
206_线性回归、优化算法
阅读
#31
207_Softmax回归、损失函数、分类
阅读
#32
208_多层感知机
阅读
#33
209_模型选择、过拟合、欠拟合
阅读
#34
210_权重衰退
阅读
#35
211_丢弃法
阅读
#36
212_数值稳定性、模型初始化、激活函数
阅读
#37
213_Kaggle房价预测
阅读
#38
214_PyTorch神经网络基础
阅读
#39
215_使用购买GPU
阅读
#40
216_卷积层
阅读
#41
217_卷积层里的填充和步幅
阅读
#42
218_卷积层里的多输入多输出通道
阅读
#43
219_池化层
阅读
#44
220_经典神经网络LeNet
阅读
#45
221_深度卷积神经网络AlexNet
阅读
#46
222_使用块的网络VGG
阅读
#47
223_网络中的网络NiN
阅读
#48
224_合并行连接的网络GoogLeNet
阅读
#49
225_批量归一化
阅读
#50
226_残差神经网络ResNet
阅读
#51
227_深度学习硬件CPU和GPU
阅读
#52
228_深度学习硬件TPU和其他
阅读
#53
229_单机多卡并行
阅读
#54
230_多GPU训练实现
阅读
#55
231_分布式训练
阅读
#56
232_数据增广
阅读
#57
233_微调
阅读
#58
234_实战Kaggle比赛图像分类CIFAR10
阅读
#59
235_实战Kaggle比赛狗的品种识别ImageNetDogs
阅读
#60
236_物体检测和数据集
阅读
#61
237_锚框
阅读
#62
238_树叶分类竞赛技术总结
阅读
#63
239_物体检测算法R-CNN、SSD、YOLO
阅读
#64
240_SSD实现
阅读
#65
241_语义分割和数据集
阅读
#66
242_转置卷积
阅读
#67
243_转置卷积是一种卷积
阅读
#68
244_全连接卷积神经网络FCN
阅读
#69
245_样式迁移
阅读
#70
246_序列模型
阅读
#71
247_文本预处理
阅读
#72
248_语言模型
阅读
#73
249_循环神经网络RNN
阅读
#74
250_循环神经网络RNN的实现
阅读
#75
251_门控循环单元GRU
阅读
#76
252_长短期记忆网络LSTM
阅读
#77
253_深层循环神经网络
阅读
#78
254_双向循环神经网络
阅读
#79
255_机器翻译数据集
阅读
#80
256_编码器解码器架构
阅读
#81
257_序列到序列学习seq2seq
阅读
#82
258_束搜索
阅读
#83
259_注意力机制
阅读
#84
260_注意力分数
阅读
#85
261_使用注意力机制的seq2seq
阅读
#86
262_自注意力
阅读
#87
263_Transformer
阅读
#88
264_BERT预训练
阅读
#89
265_BERT微调
阅读
#90
266_目标检测竞赛总结
阅读
#91
267_优化算法
阅读
#92
268_课程总结和进阶学习
阅读
#93
300_配置版本
阅读
#94
301_课程1_第1周_深度学习概述
阅读
#95
302_课程1_第2周a_神经网络基础之逻辑回归
阅读
#96
303_课程1_第2周b_神经网络基础之Python与向量化
阅读
#97
304_课程1_第3周_浅层神经网络
阅读
#98
305_课程1_第4周_深层神经网络
阅读
#99
306_课程1_第1周_测验题
阅读
#100
307_课程1_第2周_测验题
阅读
#101
308_课程1_第3周_测验题
阅读
#102
309_课程1_第4周_测验题
阅读
#103
310_课程1_第1周_作业题_numpy构建基本函数
阅读
#104
311_课程1_第2周_作业题_神经网络思想实现Logistic回归
阅读
#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
阅读
#106
313_课程1_第4周_作业题_逐步构建你的深度神经网络
阅读
#107
314_课程2_第1周_深度学习的实用层面
阅读
#108
315_课程2_第2周_优化算法
阅读
#109
316_课程2_第3周_超参数调试、Batch正则化和编程框架
阅读
#110
317_课程2_第1周_测验题
阅读
#111
318_课程2_第2周_测验题
阅读
#112
319_课程2_第3周_测验题
阅读
#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
阅读
#114
321_课程2_第2周_作业题_优化算法
阅读
#115
322_课程2_第3周_作业题_Tensorflow入门
阅读
#116
323_课程3_第1周_机器学习策略(上)
阅读
#117
324_课程3_第2周_机器学习策略(下)
阅读
#118
325_课程3_第1周_测验题
阅读
#119
330_课程4_第2周_深度卷积模型
阅读
#120
331_课程4_第3周_目标检测
阅读
#121
332_课程4_第4周_人脸识别与神经风格迁移
阅读
#122
333_课程4_第1周_测验题
阅读
#123
334_课程4_第2周_测验题
阅读
#124
335_课程4_第3周_测验题
阅读
#125
336_课程4_第4周_测验题
阅读
#126
337_课程4_第1周_作业题_搭建卷积神经网络以及应用
阅读
#127
338_课程4_第2周_作业题_Keras入门与残差网络搭建
阅读
#128
339_课程4_第3周_作业题_车辆检测
阅读
#129
340_课程4_第4周_作业题a_人脸识别
阅读
#130
341_课程4_第4周_作业题b_风格迁移
阅读
#131
342_课程5_第1周_循环神经网络RNN
阅读
#132
343_课程5_第2周_特征向量表征
阅读
#133
344_课程5_第3周_序列模型和注意力机制
阅读
#134
345_课程5_第1周_测验题
阅读
#135
346_课程5_第2周_测验题
阅读
#136
347_课程5_第3周_测验题
阅读
#137
348_课程5_第1周_作业题a_搭建RNN网络和LSTM网络
阅读
#138
349_课程5_第1周_作业题b_字符语言模型和诗歌生成
阅读
#139
350_课程5_第1周_作业题c_LSTM网络生成爵士乐
阅读
#140
351_课程5_第2周_作业题a_词向量运算
阅读
#141
352_课程5_第2周_作业题b_表情情感分类器
阅读
#142
353_课程5_第3周_作业题a_机器翻译
阅读
#143
354_课程5_第3周_作业题b_语音识别关键字
阅读