零基础AI入门实战 (深度学习+Pytorch)

└─ 零基础AI入门实战 (深度学习+Pytorch) ->
　 ├─ 012-2-卷积要完成的任务解读.mp4 - 27.9M
　 ├─ 014-4-层次结构的作用.mp4 - 20.9M
　 ├─ 021-3-self-attention要解决的问题.mp4 - 26.5M
　 ├─ 032-4-数据源定义简介.mp4 - 33.3M
　 ├─ 024-6-位置编码与解码器.mp4 - 28.9M
　 ├─ 007-6-神经网络整体架构详细拆解.mp4 - 43.8M
　 ├─ 015-5-参数共享的作用.mp4 - 20M
　 ├─ 020-2-注意力结构历史故事介绍.mp4 - 32.2M
　 ├─ 008-7-神经网络效果可视化分析.mp4 - 61.3M
　 ├─ 028-2-CPU与GPU版本安装方法解读.mp4 - 78.8M
　 ├─ 025-7-整体架构总结.mp4 - 26.5M
　 ├─ 018-8-经典网络架构概述.mp4 - 44.5M
　 ├─ 001-课程介绍.mp4 - 89.3M
　 ├─ 006-5-反向传播演示.mp4 - 22.7M
　 ├─ 027-1-PyTorch框架与其他框架区别分析.mp4 - 33.7M
　 ├─ 011-1-卷积神经网络概述分析.mp4 - 40.2M
　 ├─ 010-9-预处理与dropout的作用.mp4 - 32.2M
　 ├─ 023-5-多头注意力机制的效果.mp4 - 29.1M
　 ├─ 009-8-神经元个数的作用.mp4 - 22.6M
　 ├─ 002-1-神经网络要完成的任务分析.mp4 - 34M
　 ├─ 033-5-损失与训练模块分析.mp4 - 35.7M
　 ├─ 026-8-BERT训练方式分析.mp4 - 19.1M
　 ├─ 003-2-模型更新方法解读.mp4 - 21.6M
　 ├─ 019-1-RNN网络结构原理与问题.mp4 - 17.4M
　 ├─ 017-7-整体网络结构架构分析.mp4 - 46.2M
　 ├─ 016-6-池化层的作用与效果.mp4 - 33.3M
　 ├─ 029-1-数据集与任务概述.mp4 - 39.1M
　 ├─ 022-4-QKV的来源与作用.mp4 - 27.3M
　 ├─ 005-4-前向传播流程解读.mp4 - 22.6M
　 ├─ 030-2-基本模块应用测试.mp4 - 40.4M
　 ├─ 013-3-卷积计算详细流程演示.mp4 - 60M
　 ├─ 004-3-损失函数计算方法.mp4 - 28.6M
　 ├─ 064-8-网络模型预测结果输出.mp4 - 35.6M
　 ├─ 049-7-优化器与学习率衰减.mp4 - 44.1M
　 ├─ 037-2-参数初始化操作解读.mp4 - 39.5M
　 ├─ 054-1-Dataloader要完成的任务分析.mp4 - 28.6M
　 ├─ 057-1-数据集与任务目标分析.mp4 - 42M
　 ├─ 034-6-训练一个基本的分类模型.mp4 - 44.1M
　 ├─ 044-2-数据增强模块.mp4 - 39.1M
　 ├─ 058-2-文本数据处理基本流程分析.mp4 - 52M
　 ├─ 040-1-输入特征通道分析.mp4 - 38.9M
　 ├─ 051-9-重新训练全部模型.mp4 - 41.8M
　 ├─ 046-4-迁移学习方法解读.mp4 - 42.5M
　 ├─ 052-10-测试结果演示分析.mp4 - 99.7M
　 ├─ 039-4-模型学习与预测.mp4 - 54M
　 ├─ 047-5-输出层与梯度设置.mp4 - 53.8M
　 ├─ 043-1-任务分析与图像数据基本处理.mp4 - 36.6M
　 ├─ 053-4-实用Dataloader加载数据并训练模型.mp4 - 58.3M
　 ├─ 038-3-训练流程实例.mp4 - 40.5M
　 └─ 063-7-LSTM网络结构基本定义.mp4 - 31.7M