WM024 – 人工智能-深度学习框架-Tensorflow案例实战 [8.3G]

WM024 – 人工智能-深度学习框架-Tensorflow案例实战 [8.3G]
┣━━01.视频 [3.5G]
┃ ┣━━1-1 课程简介.mp4 [2.5M]
┃ ┣━━1-2 Tensorflow2版本简介与心得.mp4 [17.4M]
┃ ┣━━1-3 Tensorflow2版本安装方法.mp4 [27.1M]
┃ ┣━━1-4 tf基础操作.mp4 [13.9M]
┃ ┣━━2-1 深度学习要解决的问题.mp4 [11.6M]
┃ ┣━━2-10 神经网络架构细节.mp4 [19.4M]
┃ ┣━━2-11 神经元个数对结果的影响.mp4 [53.8M]
┃ ┣━━2-12 正则化与激活函数.mp4 [15.9M]
┃ ┣━━2-13 神经网络过拟合解决方法.mp4 [21.7M]
┃ ┣━━2-2 深度学习应用领域.mp4 [35M]
┃ ┣━━2-3 计算机视觉任务.mp4 [10.1M]
┃ ┣━━2-4 视觉任务中遇到的问题.mp4 [18.6M]
┃ ┣━━2-5 得分函数.mp4 [10.6M]
┃ ┣━━2-6 损失函数的作用.mp4 [17.4M]
┃ ┣━━2-7 前向传播整体流程.mp4 [22.9M]
┃ ┣━━2-8 返向传播计算方法.mp4 [14.8M]
┃ ┣━━2-9 神经网络整体架构.mp4 [17M]
┃ ┣━━3-1 任务目标与数据集简介.mp4 [19.2M]
┃ ┣━━3-2 建模流程与API文档.mp4 [15.6M]
┃ ┣━━3-3 网络模型训练.mp4 [18.2M]
┃ ┣━━3-4 模型超参数调节与预测结果展示.mp4 [30.5M]
┃ ┣━━3-5 分类模型构建.mp4 [31.9M]
┃ ┣━━3-6 tf.data模块解读.mp4 [20.1M]
┃ ┣━━3-7 模型保存与读取实例.mp4 [38.6M]
┃ ┣━━4-1 卷积网络应用领域.mp4 [13.3M]
┃ ┣━━4-10 VGG网络架构.mp4 [11.1M]
┃ ┣━━4-11 残差网络Resnet.mp4 [10.9M]
┃ ┣━━4-12 感受野的作用.mp4 [10.4M]
┃ ┣━━4-2 卷积的作用.mp4 [14.3M]
┃ ┣━━4-3 卷积特征值计算方法.mp4 [13.1M]
┃ ┣━━4-4 得到特征图表示.mp4 [11.5M]
┃ ┣━━4-5 步长与卷积核大小对结果的影响.mp4 [12.6M]
┃ ┣━━4-6 边缘填充方法.mp4 [10.5M]
┃ ┣━━4-7 特征图尺寸计算与参数共享.mp4 [13.3M]
┃ ┣━━4-8 池化层的作用.mp4 [7.9M]
┃ ┣━━4-9 整体网络架构.mp4 [10M]
┃ ┣━━5-1 猫狗识别任务与数据简介.mp4 [13M]
┃ ┣━━5-2 卷积网络涉及参数解读.mp4 [17.1M]
┃ ┣━━5-3 网络架构配置.mp4 [16.9M]
┃ ┣━━5-4 卷积模型训练与识别效果展示.mp4 [25.7M]
┃ ┣━━6-1 数据增强概述.mp4 [25M]
┃ ┣━━6-2 图像数据变换.mp4 [47.7M]
┃ ┣━━6-3 猫狗识别任务数据增强实例.mp4 [17.7M]
┃ ┣━━7-1 迁移学习的目标.mp4 [7.2M]
┃ ┣━━7-2 迁移学习策略.mp4 [9.4M]
┃ ┣━━7-3 Resnet原理.mp4 [57.8M]
┃ ┣━━7-4 加载训练好的经典网络模型.mp4 [21.5M]
┃ ┣━━7-5 Callback模块与迁移学习实例.mp4 [30M]
┃ ┣━━7-6 tfrecords数据源制作方法.mp4 [21.8M]
┃ ┣━━7-7 图像数据处理实例.mp4 [24.3M]
┃ ┣━━8-1 RNN网络架构解读.mp4 [15.3M]
┃ ┣━━8-2 词向量模型通俗解释.mp4 [11.6M]
┃ ┣━━8-3 模型整体框架.mp4 [15.3M]
┃ ┣━━8-4 训练数据构建.mp4 [8.3M]
┃ ┣━━8-5 CBOW与Skip-gram模型.mp4 [13.2M]
┃ ┣━━8-6 负采样方案.mp4 [15.1M]
┃ ┣━━9-1 任务流程解读.mp4 [9.3M]
┃ ┣━━9-2 模型定义参数设置.mp4 [9.8M]
┃ ┣━━9-3 文本词预处理操作.mp4 [10.3M]
┃ ┣━━9-4 训练batch数据制作.mp4 [23.6M]
┃ ┣━━9-5 损失函数定义与训练结果展示.mp4 [22.8M]
┃ ┣━━10-1 任务目标与数据介绍.mp4 [24.6M]
┃ ┣━━10-2 RNN模型输入数据维度解读.mp4 [10.7M]
┃ ┣━━10-3 数据映射表制作.mp4 [23.5M]
┃ ┣━━10-4 embedding层向量制作.mp4 [32.5M]
┃ ┣━━10-5 数据生成器构造.mp4 [22.3M]
┃ ┣━━10-6 双向RNN模型定义.mp4 [11.9M]
┃ ┣━━10-7 自定义网络模型架构.mp4 [29.6M]
┃ ┣━━10-8 训练策略指定.mp4 [16M]
┃ ┣━━10-9 训练文本分类模型.mp4 [18.8M]
┃ ┣━━11-1 CNN应用于文本任务原理解析.mp4 [15.4M]
┃ ┣━━11-2 整体流程解读.mp4 [12M]
┃ ┣━━11-3 网络架构设计与训练.mp4 [24.8M]
┃ ┣━━12-1 任务目标与数据源.mp4 [10.4M]
┃ ┣━━12-2 构建时间序列数据.mp4 [18.4M]
┃ ┣━━12-3 训练时间序列数据预测结果.mp4 [21.1M]
┃ ┣━━12-4 多特征预测结果.mp4 [16.3M]
┃ ┣━━12-5 序列结果预测.mp4 [11.8M]
┃ ┣━━13-1 BERT任务目标概述.mp4 [7.6M]
┃ ┣━━13-10 训练实例.mp4 [29.7M]
┃ ┣━━13-2 传统解决方案遇到的问题.mp4 [15M]
┃ ┣━━13-3 注意力机制的作用.mp4 [10.1M]
┃ ┣━━13-4 self-attention计算方法.mp4 [15.1M]
┃ ┣━━13-5 特征分配与softmax机制.mp4 [13.4M]
┃ ┣━━13-6 Multi-head的作用.mp4 [13M]
┃ ┣━━13-7 位置编码与多层堆叠.mp4 [10.8M]
┃ ┣━━13-8 transformer整体架构梳理.mp4 [15.3M]
┃ ┣━━13-9 BERT模型训练方法.mp4 [13.2M]
┃ ┣━━14-1 BERT开源项目简介.mp4 [44.1M]
┃ ┣━━14-10 构建QKV矩阵.mp4 [28.1M]
┃ ┣━━14-11 完成Transformer模块构建.mp4 [23.1M]
┃ ┣━━14-12 训练BERT模型.mp4 [30.6M]
┃ ┣━━14-2 项目参数配置.mp4 [51.9M]
┃ ┣━━14-3 数据读取模块.mp4 [28.3M]
┃ ┣━━14-4 数据预处理模块.mp4 [22.1M]
┃ ┣━━14-5 tfrecord制作.mp4 [28.6M]
┃ ┣━━14-6 Embedding层的作用.mp4 [17.4M]
┃ ┣━━14-7 加入额外编码特征.mp4 [23.5M]
┃ ┣━━14-8 加入位置编码特征.mp4 [12.7M]
┃ ┣━━14-9 mask机制.mp4 [20.6M]
┃ ┣━━15-1 对抗生成网络通俗解释.mp4 [11.5M]
┃ ┣━━15-2 GAN网络组成.mp4 [6.7M]
┃ ┣━━15-3 DCGAN网络架构与流程解读.mp4 [9.4M]
┃ ┣━━15-4 网络架构设计.mp4 [18.8M]
┃ ┣━━15-5 损失函数定义与训练.mp4 [25.9M]
┃ ┣━━16-1 CycleGan网络所需数据.mp4 [18M]
┃ ┣━━16-10 判别网络模块构造.mp4 [11M]
┃ ┣━━16-11 损失函数：identity loss计算方法.mp4 [20.1M]
┃ ┣━━16-12 生成与判别损失函数指定.mp4 [30.7M]
┃ ┣━━16-13 额外补充：VISDOM可视化配置.mp4 [20.9M]
┃ ┣━━16-2 CycleGan整体网络架构.mp4 [14.1M]
┃ ┣━━16-3 PatchGan判别网络原理.mp4 [7.1M]
┃ ┣━━16-4 数据与环境配置.mp4 [27M]
┃ ┣━━16-5 生成与判别器损失函数定义.mp4 [25.5M]
┃ ┣━━16-6 整体损失模块解读.mp4 [54.2M]
┃ ┣━━16-7 Cycle开源项目简介.mp4 [23.9M]
┃ ┣━━16-8 数据读取与预处理操作.mp4 [31.4M]
┃ ┣━━16-9 生成网络模块构造.mp4 [26.4M]
┃ ┣━━17-1 额外补充-Resnet论文解读.mp4 [54.2M]
┃ ┣━━17-2 额外补充-Resnet网络架构解读.mp4 [12.3M]
┃ ┣━━17-3 项目结构概述.mp4 [13.3M]
┃ ┣━━17-4 数据集处理方法.mp4 [15.5M]
┃ ┣━━17-5 训练数据构建.mp4 [15.4M]
┃ ┣━━17-6 网络架构层次解读.mp4 [20.6M]
┃ ┣━━17-7 前向传播配置.mp4 [22M]
┃ ┣━━17-8 训练resnet模型.mp4 [17.3M]
┃ ┣━━18-1 Tensorflow简介与安装.mp4 [31M]
┃ ┣━━18-2 Tensorflow中的变量.mp4 [11.5M]
┃ ┣━━18-3 变量常用操作.mp4 [20.4M]
┃ ┣━━18-4 实现线性回归算法.mp4 [26.2M]
┃ ┣━━18-5 Mnist数据集简介.mp4 [19.5M]
┃ ┣━━18-6 逻辑回归算法.mp4 [25.4M]
┃ ┣━━19-1 神经网络结构.mp4 [30.8M]
┃ ┣━━19-2 卷积网络结构基本定义.mp4 [24.5M]
┃ ┣━━19-3 卷积神经网络迭代.mp4 [25.7M]
┃ ┣━━19-4 Cifar-10图像分类任务.mp4 [42.7M]
┃ ┣━━20-1 卷积神经网络实战：猫狗识别.mp4 [24.6M]
┃ ┣━━20-2 数据读取.mp4 [21.7M]
┃ ┣━━20-3 网络架构.mp4 [31.4M]
┃ ┣━━20-4 网络迭代训练.mp4 [34.5M]
┃ ┣━━20-5 测试效果.mp4 [19.6M]
┃ ┣━━21-1 RNN网络基本架构.mp4 [18.6M]
┃ ┣━━21-2 实现RNN网络架构.mp4 [30.1M]
┃ ┣━━21-3 RNN实现自己的小demo.mp4 [23.3M]
┃ ┣━━21-4 RNN预测时间序列.mp4 [32.8M]
┃ ┣━━22-1 环境配置.mp4 [22.2M]
┃ ┣━━22-2 数据读取.mp4 [19.3M]
┃ ┣━━22-3 网络结构定义.mp4 [18.3M]
┃ ┣━━22-4 加载训练好参数.mp4 [21.2M]
┃ ┣━━23-1 Tensorboard可视化展示.mp4 [20M]
┃ ┣━━23-2 展示效果.mp4 [26.6M]
┃ ┣━━23-3 统计可视化展示.mp4 [20.9M]
┃ ┣━━23-4 参数对结果的影响.mp4 [34.1M]
┃ ┣━━24-1 生成自己的数据集.mp4 [22.1M]
┃ ┣━━24-2 读取数据.mp4 [27.5M]
┃ ┣━━24-3 生成数据源.mp4 [38.4M]
┃ ┣━━24-4 加载tfrecord进行分类任务.mp4 [50.1M]
┃ ┣━━25-1 CNN文本分类任务概述.mp4 [20.3M]
┃ ┣━━25-2 文本分类任务特征定义.mp4 [25.1M]
┃ ┣━━25-3 卷积网络定义.mp4 [11.7M]
┃ ┣━━25-4 完成预测分类任务.mp4 [26.3M]
┃ ┣━━26-1 Resnet网络原理.mp4 [48.8M]
┃ ┣━━26-2 网络流程设计.mp4 [29.3M]
┃ ┣━━26-3 残差网络细节.mp4 [45.5M]
┃ ┣━━27-1 Tensorflow案例实战视频课程19 验证码数据生成.mp4 [18.3M]
┃ ┣━━27-2 Tensorflow案例实战视频课程20 构造网络的输入数据和标签.mp4 [19.4M]
┃ ┣━━27-3 Tensorflow案例实战视频课程21 卷积网络模型定义.mp4 [36.2M]
┃ ┗━━27-4 Tensorflow案例实战视频课程22 迭代及测试网络效果.mp4 [22.3M]
┗━━00.资料.zip [4.8G]

admin网站管理

收藏 海报 链接