深度学习之PyTorch实战 万门大学
链接: https://pan.baidu.com/s/1ZnMaUkFPdISzSjro03UPoQ 提取码: fbf7
| ├──课程资料
| ├──1.1历史背景.mp4 111.30M
| ├──1.2适用场景和学习方法.mp4 76.00M
| ├──10.1语言模型.mp4 23.12M
| ├──10.2循环神经网络.mp4 17.65M
| ├──10.3实战：语言模型数据集.mp4 44.09M
| ├──10.4实战：循环神经网络的从零实现.mp4 58.97M
| ├──10.5实战：循环神经网络的简洁实现.mp4 22.21M
| ├──11.1通过时间反向传播.mp4 38.22M
| ├──11.2门控循环单元（GRU）.mp4 36.98M
| ├──11.3长短期记忆网络（LSTM）.mp4 25.04M
| ├──11.4实战：深层循环神经网络.mp4 25.81M
| ├──12.1优化与深度学习.mp4 28.45M
| ├──12.2梯度下降和随机梯度下降.mp4 32.44M
| ├──12.3实战：梯度下降和随机梯度下降.mp4 30.41M
| ├──12.4实战：小批量随机梯度下降.mp4 47.72M
| ├──13.1动量法.mp4 58.02M
| ├──13.2实战：AdaGrad算法.mp4 27.16M
| ├──13.3实战：RMProp算法.mp4 17.64M
| ├──13.4实战：AdaDelta算法.mp4 18.52M
| ├──13.5实战：Adam算法.mp4 27.26M
| ├──2.1获取代码和安装运行环境.mp4 99.02M
| ├──2.2PyTorch基本数据操作.mp4 255.94M
| ├──2.3PyTorch自动求梯度.mp4 96.62M
| ├──2.4如何查阅文档和寻求帮助.mp4 93.52M
| ├──3.1线性回归.mp4 110.66M
| ├──3.2实战：线性回归代码.mp4 186.29M
| ├──3.3实战：线性回归的简洁实现.mp4 149.37M
| ├──4.1softmax回归概述.mp4 22.57M
| ├──4.2实战：图像分类数据集（Fashion-MNIST）.mp4 41.82M
| ├──4.3实战：softmax回归从零实现.mp4 55.03M
| ├──4.4实战：softmax的简洁实现.mp4 19.33M
| ├──5.1多层感知机概述.mp4 33.80M
| ├──5.2实战：多层感知机的从零实现.mp4 27.46M
| ├──5.3实战：多层感知机的简洁实现.mp4 16.26M
| ├──6.1模型选择、欠拟合和过拟合.mp4 26.15M
| ├──6.2权重衰减与丢弃法.mp4 17.70M
| ├──6.3正反向传播、计算图与数值稳定性、模型初始化.mp4 27.65M
| ├──6.4实战：Kaggle比赛：房价预测.mp4 89.79M
| ├──7.1模型构造.mp4 308.12M
| ├──7.2模型参数的访问、初始化和共享.mp4 206.63M
| ├──7.3自定义层.mp4 96.04M
| ├──7.4读取与存储.mp4 87.88M
| ├──7.5GPU计算.mp4 90.01M
| ├──8.1卷积、填充与步幅.mp4 35.74M
| ├──8.2多通道与池化层.mp4 19.87M
| ├──8.3卷积神经网络.mp4 9.70M
| ├──8.4实战：卷积神经网络（一）.mp4 46.90M
| ├──8.5实战：卷积神经网络（二）.mp4 69.34M
| ├──9.1深度卷积神经网络 (AlexNet)新.mp4 45.12M
| ├──9.2使用块的网络 (VGG)新.mp4 23.80M
| ├──9.3网络中的网络（NiN）新.mp4 17.34M
| ├──9.4含并行连结的网络（GoogLeNet）新.mp4 24.86M
| ├──9.5批量归一化新.mp4 45.31M
| ├──9.6残差网络（ResNet）新.mp4 39.39M
| └──9.7稠密连接网络（DenseNet）新.mp4 66.13M
链接: https://pan.baidu.com/s/1ZnMaUkFPdISzSjro03UPoQ 提取码: fbf7
| ├──课程资料
| ├──1.1历史背景.mp4 111.30M
| ├──1.2适用场景和学习方法.mp4 76.00M
| ├──10.1语言模型.mp4 23.12M
| ├──10.2循环神经网络.mp4 17.65M
| ├──10.3实战：语言模型数据集.mp4 44.09M
| ├──10.4实战：循环神经网络的从零实现.mp4 58.97M
| ├──10.5实战：循环神经网络的简洁实现.mp4 22.21M
| ├──11.1通过时间反向传播.mp4 38.22M
| ├──11.2门控循环单元（GRU）.mp4 36.98M
| ├──11.3长短期记忆网络（LSTM）.mp4 25.04M
| ├──11.4实战：深层循环神经网络.mp4 25.81M
| ├──12.1优化与深度学习.mp4 28.45M
| ├──12.2梯度下降和随机梯度下降.mp4 32.44M
| ├──12.3实战：梯度下降和随机梯度下降.mp4 30.41M
| ├──12.4实战：小批量随机梯度下降.mp4 47.72M
| ├──13.1动量法.mp4 58.02M
| ├──13.2实战：AdaGrad算法.mp4 27.16M
| ├──13.3实战：RMProp算法.mp4 17.64M
| ├──13.4实战：AdaDelta算法.mp4 18.52M
| ├──13.5实战：Adam算法.mp4 27.26M
| ├──2.1获取代码和安装运行环境.mp4 99.02M
| ├──2.2PyTorch基本数据操作.mp4 255.94M
| ├──2.3PyTorch自动求梯度.mp4 96.62M
| ├──2.4如何查阅文档和寻求帮助.mp4 93.52M
| ├──3.1线性回归.mp4 110.66M
| ├──3.2实战：线性回归代码.mp4 186.29M
| ├──3.3实战：线性回归的简洁实现.mp4 149.37M
| ├──4.1softmax回归概述.mp4 22.57M
| ├──4.2实战：图像分类数据集（Fashion-MNIST）.mp4 41.82M
| ├──4.3实战：softmax回归从零实现.mp4 55.03M
| ├──4.4实战：softmax的简洁实现.mp4 19.33M
| ├──5.1多层感知机概述.mp4 33.80M
| ├──5.2实战：多层感知机的从零实现.mp4 27.46M
| ├──5.3实战：多层感知机的简洁实现.mp4 16.26M
| ├──6.1模型选择、欠拟合和过拟合.mp4 26.15M
| ├──6.2权重衰减与丢弃法.mp4 17.70M
| ├──6.3正反向传播、计算图与数值稳定性、模型初始化.mp4 27.65M
| ├──6.4实战：Kaggle比赛：房价预测.mp4 89.79M
| ├──7.1模型构造.mp4 308.12M
| ├──7.2模型参数的访问、初始化和共享.mp4 206.63M
| ├──7.3自定义层.mp4 96.04M
| ├──7.4读取与存储.mp4 87.88M
| ├──7.5GPU计算.mp4 90.01M
| ├──8.1卷积、填充与步幅.mp4 35.74M
| ├──8.2多通道与池化层.mp4 19.87M
| ├──8.3卷积神经网络.mp4 9.70M
| ├──8.4实战：卷积神经网络（一）.mp4 46.90M
| ├──8.5实战：卷积神经网络（二）.mp4 69.34M
| ├──9.1深度卷积神经网络 (AlexNet)新.mp4 45.12M
| ├──9.2使用块的网络 (VGG)新.mp4 23.80M
| ├──9.3网络中的网络（NiN）新.mp4 17.34M
| ├──9.4含并行连结的网络（GoogLeNet）新.mp4 24.86M
| ├──9.5批量归一化新.mp4 45.31M
| ├──9.6残差网络（ResNet）新.mp4 39.39M
| └──9.7稠密连接网络（DenseNet）新.mp4 66.13M
说明：文件格式：mp4 /flv 百度网盘可直接看
下载本视频课程需扣(VIP免点）：1点
在线下载列表