资源精灵

资源精灵

资源投诉
资源基本信息

0基础 AI入门实战(深度学习+Pytorch) 通俗易懂0基础入门案例实战跨专业提升

0基础AI入门实战(深度学习+Pytorch)通俗易懂0基础入门案例实战跨专业提升

发布时间： 2025-01-10 13:59:39

文件大小： 共计 77 个文件 ，合计: 2.9GB

发布者： 七年

资源来源： 夸克网盘夸克网盘

资源售价： 7金币 会员所有资源免费

资源状态：
【资源状态检测中】...
1.本站会员获取资源无需消耗金币。
2.获取资源后可以在「个人中心」48 小时内无理由退金币。
3.为防止资源链接失效，请及时转存文件。
资源目录结构

以下文件快照生成于5 小时前。（只展示部分的文件和文件夹）
📢：可能存在部分资源被网盘官方屏蔽。

0基础 AI入门实战(深度学习+Pytorch) 通俗易懂0基础入门案例实战跨专业提升 0基础 AI入门实战(深度学习+Pytorch) 通俗易懂0基础入门案例实战跨专业提升 2.3GB

061-5-预料表与字符切分.mp4 061-5-预料表与字符切分.mp4 30.1MB

002-1-神经网络要完成的任务分析.mp4 002-1-神经网络要完成的任务分析.mp4 34.0MB

077-8-损失计算与训练.mp4 077-8-损失计算与训练.mp4 45.4MB

074-5-QKV计算方法.mp4 074-5-QKV计算方法.mp4 39.9MB

012-2-卷积要完成的任务解读.mp4 012-2-卷积要完成的任务解读.mp4 27.9MB

076-7-完成前向传播.mp4 076-7-完成前向传播.mp4 36.9MB

039-4-模型学习与预测.mp4 039-4-模型学习与预测.mp4 54.0MB

040-1-输入特征通道分析.mp4 040-1-输入特征通道分析.mp4 38.9MB

045-3-数据集与模型选择.mp4 045-3-数据集与模型选择.mp4 36.2MB

018-8-经典网络架构概述.mp4 018-8-经典网络架构概述.mp4 44.5MB

008-7-神经网络效果可视化分析.mp4 008-7-神经网络效果可视化分析.mp4 61.3MB

003-2-模型更新方法解读.mp4 003-2-模型更新方法解读.mp4 21.6MB

020-2-注意力结构历史故事介绍.mp4 020-2-注意力结构历史故事介绍.mp4 32.2MB

006-5-反向传播演示.mp4 006-5-反向传播演示.mp4 22.7MB

016-6-池化层的作用与效果.mp4 016-6-池化层的作用与效果.mp4 33.3MB

015-5-参数共享的作用.mp4 015-5-参数共享的作用.mp4 20.0MB

004-3-损失函数计算方法.mp4 004-3-损失函数计算方法.mp4 28.6MB

019-1-RNN网络结构原理与问题.mp4 019-1-RNN网络结构原理与问题.mp4 17.4MB

041-2-卷积网络参数解读.mp4 041-2-卷积网络参数解读.mp4 28.3MB

046-4-迁移学习方法解读.mp4 046-4-迁移学习方法解读.mp4 42.5MB

057-1-数据集与任务目标分析.mp4 057-1-数据集与任务目标分析.mp4 42.0MB

036-1-任务与数据集解读.mp4 036-1-任务与数据集解读.mp4 34.3MB

001-课程介绍.mp4 001-课程介绍.mp4 89.3MB

062-6-字符预处理转换ID.mp4 062-6-字符预处理转换ID.mp4 32.2MB

050-8-模型训练方法.mp4 050-8-模型训练方法.mp4 44.6MB

038-3-训练流程实例.mp4 038-3-训练流程实例.mp4 40.5MB

009-8-神经元个数的作用.mp4 009-8-神经元个数的作用.mp4 22.6MB

044-2-数据增强模块.mp4 044-2-数据增强模块.mp4 39.1MB

037-2-参数初始化操作解读.mp4 037-2-参数初始化操作解读.mp4 39.5MB

048-6-输出类别个数修改.mp4 048-6-输出类别个数修改.mp4 43.8MB

052-10-测试结果演示分析.mp4 052-10-测试结果演示分析.mp4 99.7MB

042-3-卷积网络模型训练.mp4 042-3-卷积网络模型训练.mp4 49.5MB

024-6-位置编码与解码器.mp4 024-6-位置编码与解码器.mp4 28.9MB

031-3-网络结构定义方法.mp4 031-3-网络结构定义方法.mp4 51.0MB

030-2-基本模块应用测试.mp4 030-2-基本模块应用测试.mp4 40.4MB

010-9-预处理与dropout的作用.mp4 010-9-预处理与dropout的作用.mp4 32.2MB

047-5-输出层与梯度设置.mp4 047-5-输出层与梯度设置.mp4 53.8MB

034-6-训练一个基本的分类模型.mp4 034-6-训练一个基本的分类模型.mp4 44.1MB

051-9-重新训练全部模型.mp4 051-9-重新训练全部模型.mp4 41.8MB

023-5-多头注意力机制的效果.mp4 023-5-多头注意力机制的效果.mp4 29.1MB

017-7-整体网络结构架构分析.mp4 017-7-整体网络结构架构分析.mp4 46.2MB

072-3-Embedding模块实现方法.mp4 072-3-Embedding模块实现方法.mp4 42.1MB

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

049-7-优化器与学习率衰减.mp4 049-7-优化器与学习率衰减.mp4 44.1MB

021-3-self-attention要解决的问题.mp4 021-3-self-attention要解决的问题.mp4 26.5MB

027-1-PyTorch框架与其他框架区别分析.mp4 027-1-PyTorch框架与其他框架区别分析.mp4 33.7MB

032-4-数据源定义简介.mp4 032-4-数据源定义简介.mp4 33.3MB

025-7-整体架构总结.mp4 025-7-整体架构总结.mp4 26.5MB

028-2-CPU与GPU版本安装方法解读.mp4 028-2-CPU与GPU版本安装方法解读.mp4 78.8MB

026-8-BERT训练方式分析.mp4 026-8-BERT训练方式分析.mp4 19.1MB

070-1-项目源码准备.mp4 070-1-项目源码准备.mp4 41.7MB

068-3-基于Flask测试模型预测结果.mp4 068-3-基于Flask测试模型预测结果.mp4 40.7MB

022-4-QKV的来源与作用.mp4 022-4-QKV的来源与作用.mp4 27.3MB

029-1-数据集与任务概述.mp4 029-1-数据集与任务概述.mp4 39.1MB

063-7-LSTM网络结构基本定义.mp4 063-7-LSTM网络结构基本定义.mp4 31.7MB

007-6-神经网络整体架构详细拆解.mp4 007-6-神经网络整体架构详细拆解.mp4 43.8MB

033-5-损失与训练模块分析.mp4 033-5-损失与训练模块分析.mp4 35.7MB

011-1-卷积神经网络概述分析.mp4 011-1-卷积神经网络概述分析.mp4 40.2MB

014-4-层次结构的作用.mp4 014-4-层次结构的作用.mp4 20.9MB

013-3-卷积计算详细流程演示.mp4 013-3-卷积计算详细流程演示.mp4 60.0MB

网站声明

请认真阅读以下说明，您只有在了解并同意该说明后，才可继续访问本站。

1. 全站链接通过程序自动收集互联网公开分享链接，本站不储存、复制、传播任何网盘文件，也不提供下载服务。

2. 资源精灵遵守相关法律法规，坚决杜绝一切违规不良信息，如您发现任何涉嫌违规的网盘信息，请立即向网盘官方网站举报，并及时反馈给我们进行屏蔽删除。同时您必须了解并同意本站《用户协议》，严禁搜索非法关键词。

3. 资源精灵高度重视知识产权保护和个人隐私保护，如有网盘链接侵犯您的合法权益，请立即向百度网盘官方网站举报，并参见本站《版权说明》提供书面材料联系我们屏蔽删改。

4. 资源精灵作为非经营性网站，所有服务仅供学习交流使用。

小提示：

  • 本站会员获取资源无需消耗金币。
  • 本站资源有很多，如果发现资源失效或者不符合预期，在页面上方的搜索框重新搜索相似的资源即可。
  • 使用金币获取资源后可以在「个人中心」48 小时内无理由退金币。
  • 为防止资源链接失效，请及时转存文件。