063-7-LSTM网络结构基本定义.mp4 31.9MB

059-3-命令行参数与DEBUG.mp4 32.2MB

058-2-文本数据处理基本流程分析.mp4 50.5MB

066-1-基本结构与训练好的模型加载.mp4 19.1MB

062-6-字符预处理转换ID.mp4 30.9MB

060-4-训练模型所需基本配置参数分析.mp4 37.9MB

061-5-预料表与字符切分.mp4 29.1MB

051-9-重新训练全部模型.mp4 43.1MB

050-8-模型训练方法.mp4 42.3MB

048-6-输出类别个数修改.mp4 41.3MB

056-3-Dataloader中需要实现的方法分析.mp4 42.7MB

055-2-图像数据与标签路径处理.mp4 42.0MB

054-1-Dataloader要完成的任务分析.mp4 30.7MB

053-4-实用Dataloader加载数据并训练模型.mp4 58.8MB

047-5-输出层与梯度设置.mp4 50.4MB

046-4-迁移学习方法解读.mp4 36.4MB

049-7-优化器与学习率衰减.mp4 42.2MB

057-1-数据集与任务目标分析.mp4 35.4MB

052-10-测试结果演示分析.mp4 89.3MB

042-3-卷积网络模型训练.mp4 44.7MB

044-2-数据增强模块.mp4 37.5MB

038-3-训练流程实例.mp4 38.8MB

034-6-训练一个基本的分类模型.mp4 42.9MB

041-2-卷积网络参数解读.mp4 28.2MB

045-3-数据集与模型选择.mp4 37.9MB

040-1-输入特征通道分析.mp4 38.4MB

033-5-损失与训练模块分析.mp4 35.5MB

043-1-任务分析与图像数据基本处理.mp4 36.9MB

039-4-模型学习与预测.mp4 52.5MB

036-1-任务与数据集解读.mp4 33.6MB

037-2-参数初始化操作解读.mp4 40.1MB

035-7-参数对结果的影响.mp4 39.8MB

019-1-RNN网络结构原理与问题.mp4 17.1MB

016-6-池化层的作用与效果.mp4 24.1MB

006-5-反向传播演示.mp4 14.3MB

024-6-位置编码与解码器.mp4 28.3MB

009-8-神经元个数的作用.mp4 15.4MB

026-8-BERT训练方式分析.mp4 18.9MB

023-5-多头注意力机制的效果.mp4 28.6MB

011-1-卷积神经网络概述分析.mp4 25.5MB

002-1-神经网络要完成的任务分析.mp4 21.7MB

028-2-CPU与GPU版本安装方法解读.mp4 74.5MB

029-1-数据集与任务概述.mp4 38.3MB

003-2-模型更新方法解读.mp4 15.4MB

017-7-整体网络结构架构分析.mp4 45.8MB

007-6-神经网络整体架构详细拆解.mp4 29.5MB

022-4-QKV的来源与作用.mp4 27.3MB

021-3-self-attention要解决的问题.mp4 26.4MB

015-5-参数共享的作用.mp4 11.8MB

004-3-损失函数计算方法.mp4 18.0MB

031-3-网络结构定义方法.mp4 47.5MB

005-4-前向传播流程解读.mp4 14.4MB

012-2-卷积要完成的任务解读.mp4 20.8MB

020-2-注意力结构历史故事介绍.mp4 32.2MB

030-2-基本模块应用测试.mp4 40.5MB

001-课程介绍.mp4 51.6MB

010-9-预处理与dropout的作用.mp4 22.3MB

008-7-神经网络效果可视化分析.mp4 43.2MB

025-7-整体架构总结.mp4 26.5MB

013-3-卷积计算详细流程演示.mp4 35.0MB