【加密】JM046 – 自然语言处理动手学Bert文本分类 [6.6G]

【加密】JM046 – 自然语言处理动手学Bert文本分类 [6.6G]

┣━━01.视频 [2.6G]
┃ ┣━━{1}–课程简介 [198.8M]
┃ ┃ ┣━━[1.1]–动手学中文文本分类开篇.vep [24.8M]
┃ ┃ ┣━━[1.10]–神经网络中的数据格式讲解.vep [14.2M]
┃ ┃ ┣━━[1.11]–本文分类模型综述.vep [7.4M]
┃ ┃ ┣━━[1.2]–课堂实战试看1.vep [14.5M]
┃ ┃ ┣━━[1.3]–课堂实战试看2.vep [27.7M]
┃ ┃ ┣━━[1.4]–课堂实战试看3.vep [17.7M]
┃ ┃ ┣━━[1.5]–课堂实战试看4.vep [15.2M]
┃ ┃ ┣━━[1.6]–课堂实战试看5.vep [55.6M]
┃ ┃ ┣━━[1.7]–自然语言处理简介.vep [9.5M]
┃ ┃ ┗━━[1.9]–文本分类简介.vep [12.2M]
┃ ┣━━{2}–Seq2Seq相关理论 [57.2M]
┃ ┃ ┣━━[2.1]–RNN理论及相关变体讲解.vep [22.9M]
┃ ┃ ┣━━[2.2]–seq2seq理论讲解.vep [24.7M]
┃ ┃ ┗━━[2.3]–seq2seq存在的问题.vep [9.5M]
┃ ┣━━{3}–Attention机制 [44.4M]
┃ ┃ ┣━━[3.1]–注意力机制理论讲解.vep [12.7M]
┃ ┃ ┣━━[3.2]–注意力机制数学公式讲解.vep [21.8M]
┃ ┃ ┗━━[3.3]–引出self-attention的两个问题.vep [10M]
┃ ┣━━{4}–Bert理论系列基础 [80.4M]
┃ ┃ ┣━━[4.1]–self-attention理论讲解..vep [18.8M]
┃ ┃ ┣━━[4.2]–self-attention数学理论讲解.vep [8.3M]
┃ ┃ ┣━━[4.3]–Multi-head-self-attention理论讲解.vep [13.3M]
┃ ┃ ┣━━[4.4]–Transformer理论讲解.vep [26.3M]
┃ ┃ ┗━━[4.5]–Bert理论讲解及文本分类模型讲解.vep [13.7M]
┃ ┣━━{5}–基于Bert的文本分类实战 [1.1G]
┃ ┃ ┣━━[5.1]–项目环境构建.及数据集简介.vep [14.5M]
┃ ┃ ┣━━[5.10]–数据预处理方法测试..vep [25.4M]
┃ ┃ ┣━━[5.11]–数据集迭代器上.vep [21.6M]
┃ ┃ ┣━━[5.12]–数据集迭代器下.vep [27.7M]
┃ ┃ ┣━━[5.13]–数据迭代器测试.vep [21.3M]
┃ ┃ ┣━━[5.14]–参数衰减分析.vep [29.7M]
┃ ┃ ┣━━[5.15]–训练步骤详细讲解.vep [15.9M]
┃ ┃ ┣━━[5.16]–模型训练详细讲解.vep [21.9M]
┃ ┃ ┣━━[5.17]–模型训练部分代码完成.vep [45.6M]
┃ ┃ ┣━━[5.18]–模型评估方法详细讲解.vep [48.4M]
┃ ┃ ┣━━[5.19]–模型测试方法详细讲解.vep [16M]
┃ ┃ ┣━━[5.2]–BruceBert配置类构建上.vep [27.7M]
┃ ┃ ┣━━[5.20]–模型整体debug上.vep [30.4M]
┃ ┃ ┣━━[5.21]–模型整体debug中.vep [205.5M]
┃ ┃ ┣━━[5.22]–模型整体debug下.vep [154.4M]
┃ ┃ ┣━━[5.23]–GPU下完整训练第一个Epoch.vep [29.1M]
┃ ┃ ┣━━[5.24]–GPU下完整训练第二个Epoch.vep [96.5M]
┃ ┃ ┣━━[5.25]–GPU下完整训练第三个Epoch.vep [39.7M]
┃ ┃ ┣━━[5.26]–GPU下完整训练后模型测试.vep [21.6M]
┃ ┃ ┣━━[5.27]–GPU下使用Bert非fine-tuning过程.vep [94.6M]
┃ ┃ ┣━━[5.3]–BruceBert配置类构建下.vep [17.7M]
┃ ┃ ┣━━[5.4]–模型构建上.vep [15.2M]
┃ ┃ ┣━━[5.5]–模型构建下.vep [55.6M]
┃ ┃ ┣━━[5.6]–模型验证.vep [18.4M]
┃ ┃ ┣━━[5.7]–bulid_dataset加载数据集讲解.vep [13.2M]
┃ ┃ ┣━━[5.8]–数据预处理上.vep [19.2M]
┃ ┃ ┗━━[5.9]–数据预处理下.vep [11.4M]
┃ ┣━━{6}–基于Bert+CNN的文本分类实战 [415.2M]
┃ ┃ ┣━━[6.1]–CNN整体流程讲解.vep [15M]
┃ ┃ ┣━━[6.10]–Bert+TextCNN模型类init方法讲解.vep [29.9M]
┃ ┃ ┣━━[6.11]–Bert+TextCNN模型forword方法上.vep [21.8M]
┃ ┃ ┣━━[6.12]–Bert+TextCNN模型forword方法下.vep [26.2M]
┃ ┃ ┣━━[6.13]–数据加载优化.vep [20.4M]
┃ ┃ ┣━━[6.14]–卷积后的维度分析讲解.vep [23.3M]
┃ ┃ ┣━━[6.15]–模型构建完成.vep [70.3M]
┃ ┃ ┣━━[6.16]–模型训练与预测.vep [18.6M]
┃ ┃ ┣━━[6.2]–CNN中的卷积详细讲解.vep [17.8M]
┃ ┃ ┣━━[6.3]–CNN中的Pooling讲解.vep [9.3M]
┃ ┃ ┣━━[6.4]–TextCNN中的文本卷积与N-gram关系.vep [10M]
┃ ┃ ┣━━[6.5]–TextCNN原理详细讲解.vep [19.3M]
┃ ┃ ┣━━[6.6]–TextCNN与CNN区别于联系.vep [10.5M]
┃ ┃ ┣━━[6.7]–Bert+TextCNN配置类上.vep [16M]
┃ ┃ ┣━━[6.8]–Bert+TextCNN配置类下.vep [15.3M]
┃ ┃ ┗━━[6.9]–Bert+TextCNN配置类验证.vep [91.5M]
┃ ┣━━{7}–基于Bert+RNN的文本分类实战 [190.5M]
┃ ┃ ┣━━[7.1]–RNN详解.vep [18.9M]
┃ ┃ ┣━━[7.2]–LSTM详解.vep [54.8M]
┃ ┃ ┣━━[7.3]–Config类实现及校验.vep [14.7M]
┃ ┃ ┣━━[7.4]–BruceBertRNN类init函数实现.vep [21.2M]
┃ ┃ ┣━━[7.5]–BruceBertRNN类forward函数实现.vep [23.6M]
┃ ┃ ┗━━[7.6]–模型对比与结果分析.vep [57.5M]
┃ ┣━━{8}–基于Bert+RCNN的文本分类实战 [208.7M]
┃ ┃ ┣━━[8.1]–RCNN理论讲解.vep [10M]
┃ ┃ ┣━━[8.2]–Config类实现及校验.vep [17.9M]
┃ ┃ ┣━━[8.3]–BruceBertRCNN类init函数实现.vep [12.1M]
┃ ┃ ┣━━[8.4]–BruceBertRCNN类forward函数实现.vep [98.4M]
┃ ┃ ┗━━[8.5]–BruceBertRCNN训练过程完整演示.vep [70.2M]
┃ ┗━━{9}–基于Bert+DPCNN的文本分类实战 [237.4M]
┃ ┣━━[9.1]–DPCNN理论讲解.vep [66.6M]
┃ ┣━━[9.2]–Config类实现及校验.vep [11.4M]
┃ ┣━━[9.3]–BruceBertDPCNN类init函数实现.vep [23.5M]
┃ ┣━━[9.4]–BruceBertDPCNN类forward函数实现.vep [51M]
┃ ┣━━[9.5]–BruceBertDPCNN类block函数实现.vep [72.4M]
┃ ┗━━[9.6]–模型对比与结果分析.vep [12.7M]
┃ ┣━━{10}–基于ERNIE的文本分类实战 [93.3M]
┃ ┃ ┣━━[10.1]–ERNIE模型理论讲解.vep [11.5M]
┃ ┃ ┣━━[10.2]–基于ERNIE+FC文本分类实战演示.vep [55.8M]
┃ ┃ ┗━━[10.3]–ERNIE+DPCNN文本分类实战演示.vep [26M]
┗━━00.资料.zip [4G]

admin网站管理

收藏 海报 链接