零基础入门实战深度学习Pytorch

└─ 零基础入门实战深度学习Pytorch ->
　 ├─ 053-4-实用Dataloader加载数据并训练模型.mp4 - 58.8M
　 ├─ 041-2-卷积网络参数解读.mp4 - 28.2M
　 ├─ 060-4-训练模型所需基本配置参数分析.mp4 - 37.9M
　 ├─ 051-9-重新训练全部模型.mp4 - 43.1M
　 ├─ 052-10-测试结果演示分析.mp4 - 89.3M
　 ├─ 061-5-预料表与字符切分.mp4 - 29.1M
　 ├─ 046-4-迁移学习方法解读.mp4 - 36.4M
　 ├─ 038-3-训练流程实例.mp4 - 38.8M
　 ├─ 049-7-优化器与学习率衰减.mp4 - 42.2M
　 ├─ 058-2-文本数据处理基本流程分析.mp4 - 50.5M
　 ├─ 054-1-Dataloader要完成的任务分析.mp4 - 30.7M
　 ├─ 037-2-参数初始化操作解读.mp4 - 40.1M
　 ├─ 039-4-模型学习与预测.mp4 - 52.5M
　 ├─ 050-8-模型训练方法.mp4 - 42.3M
　 ├─ 044-2-数据增强模块.mp4 - 37.5M
　 ├─ 045-3-数据集与模型选择.mp4 - 37.9M
　 ├─ 035-7-参数对结果的影响.mp4 - 39.8M
　 ├─ 057-1-数据集与任务目标分析.mp4 - 35.4M
　 ├─ 019-1-RNN网络结构原理与问题.mp4 - 17.1M
　 ├─ 055-2-图像数据与标签路径处理.mp4 - 42M
　 ├─ 016-6-池化层的作用与效果.mp4 - 24.1M
　 ├─ 006-5-反向传播演示.mp4 - 14.3M
　 ├─ 025-7-整体架构总结.mp4 - 26.5M
　 ├─ 002-1-神经网络要完成的任务分析.mp4 - 21.7M
　 ├─ 024-6-位置编码与解码器.mp4 - 28.3M
　 ├─ 013-3-卷积计算详细流程演示.mp4 - 35M
　 ├─ 028-2-CPU与GPU版本安装方法解读.mp4 - 74.5M
　 ├─ 018-8-经典网络架构概述.mp4 - 45.2M
　 ├─ 001-课程介绍.mp4 - 51.6M
　 ├─ 007-6-神经网络整体架构详细拆解.mp4 - 29.5M
　 ├─ 009-8-神经元个数的作用.mp4 - 15.4M
　 ├─ 005-4-前向传播流程解读.mp4 - 14.4M
　 ├─ 014-4-层次结构的作用.mp4 - 11.9M
　 ├─ 022-4-QKV的来源与作用.mp4 - 27.3M
　 ├─ 010-9-预处理与dropout的作用.mp4 - 22.3M
　 ├─ 072-3-Embedding模块实现方法.mp4 - 42.2M
　 ├─ 068-3-基于Flask测试模型预测结果.mp4 - 40M
　 ├─ 073-4-分块要完成的任务.mp4 - 34.8M
　 ├─ 075-6-特征加权分配.mp4 - 39.2M
　 ├─ 012-2-卷积要完成的任务解读.mp4 - 20.8M
　 ├─ 027-1-PyTorch框架与其他框架区别分析.mp4 - 32.8M
　 ├─ 020-2-注意力结构历史故事介绍.mp4 - 32.2M
　 ├─ 017-7-整体网络结构架构分析.mp4 - 45.8M
　 ├─ 029-1-数据集与任务概述.mp4 - 38.3M
　 ├─ 069-1-视觉transformer要完成的任务解读.mp4 - 30.1M
　 ├─ 032-4-数据源定义简介.mp4 - 32.6M
　 ├─ 008-7-神经网络效果可视化分析.mp4 - 43.2M
　 ├─ 077-8-损失计算与训练.mp4 - 44.4M
　 ├─ 074-5-QKV计算方法.mp4 - 39.4M
　 └─ 070-1-项目源码准备.mp4 - 42.7M