077-8-损失计算与训练.mp4 45.4MB

059-3-命令行参数与DEBUG.mp4 32.8MB

076-7-完成前向传播.mp4 36.9MB

053-4-实用Dataloader加载数据并训练模型.mp4 58.3MB

054-1-Dataloader要完成的任务分析.mp4 28.6MB

042-3-卷积网络模型训练.mp4 49.5MB

075-6-特征加权分配.mp4 39.7MB

043-1-任务分析与图像数据基本处理.mp4 36.6MB

071-2-源码DEBUG演示.mp4 31.5MB

055-2-图像数据与标签路径处理.mp4 42.0MB

038-3-训练流程实例.mp4 40.5MB

047-5-输出层与梯度设置.mp4 53.8MB

067-2-服务端处理与预测函数.mp4 40.0MB

066-1-基本结构与训练好的模型加载.mp4 19.0MB

070-1-项目源码准备.mp4 41.7MB

073-4-分块要完成的任务.mp4 34.8MB

005-4-前向传播流程解读.mp4 22.6MB

006-5-反向传播演示.mp4 22.7MB

074-5-QKV计算方法.mp4 39.9MB

051-9-重新训练全部模型.mp4 41.8MB

001-课程介绍.mp4 89.3MB

019-1-RNN网络结构原理与问题.mp4 17.4MB

018-8-经典网络架构概述.mp4 44.5MB

011-1-卷积神经网络概述分析.mp4 40.2MB

020-2-注意力结构历史故事介绍.mp4 32.2MB

013-3-卷积计算详细流程演示.mp4 60.0MB

063-7-LSTM网络结构基本定义.mp4 31.7MB

009-8-神经元个数的作用.mp4 22.6MB

062-6-字符预处理转换ID.mp4 32.2MB

035-7-参数对结果的影响.mp4 42.8MB

003-2-模型更新方法解读.mp4 21.6MB

016-6-池化层的作用与效果.mp4 33.3MB

004-3-损失函数计算方法.mp4 28.6MB

039-4-模型学习与预测.mp4 54.0MB

017-7-整体网络结构架构分析.mp4 46.2MB

058-2-文本数据处理基本流程分析.mp4 52.0MB

036-1-任务与数据集解读.mp4 34.3MB

052-10-测试结果演示分析.mp4 99.7MB

061-5-预料表与字符切分.mp4 30.1MB

023-5-多头注意力机制的效果.mp4 29.1MB

026-8-BERT训练方式分析.mp4 19.1MB

024-6-位置编码与解码器.mp4 28.9MB

030-2-基本模块应用测试.mp4 40.4MB

064-8-网络模型预测结果输出.mp4 35.6MB

002-1-神经网络要完成的任务分析.mp4 34.0MB

057-1-数据集与任务目标分析.mp4 42.0MB

012-2-卷积要完成的任务解读.mp4 27.9MB

033-5-损失与训练模块分析.mp4 35.7MB

027-1-PyTorch框架与其他框架区别分析.mp4 33.7MB

060-4-训练模型所需基本配置参数分析.mp4 38.2MB

015-5-参数共享的作用.mp4 20.0MB

041-2-卷积网络参数解读.mp4 28.3MB

022-4-QKV的来源与作用.mp4 27.3MB

008-7-神经网络效果可视化分析.mp4 61.3MB

048-6-输出类别个数修改.mp4 43.8MB

014-4-层次结构的作用.mp4 20.9MB

007-6-神经网络整体架构详细拆解.mp4 43.8MB

010-9-预处理与dropout的作用.mp4 32.2MB

025-7-整体架构总结.mp4 26.5MB

029-1-数据集与任务概述.mp4 39.1MB