正版资源 getfromcodeAI 会员免费
零基础AI入门实战(深度学习+Pytorch) 通俗易懂零基础入门案例实战跨专业提升
零基础AI入门实战(深度学习+Pytorch) 通俗易懂零基础入门案例实战跨专业提升 深度学习实战，PyTorch入门 编辑点评 深入浅出，从基础到实战，适合AI初学者。 ⭐ 编辑推荐 本课程从零基础出发，通过通俗易懂的案例，带你掌握深度学习与PyTorch。 ✨ 课程亮点 ✦ 深度学习基础全面覆盖
单课价¥29新品 上架
正版保障 极速发货 售后无忧
零基础AI入门实战(深度学习+Pytorch) 通俗易懂零基础入门案例实战跨专业提升
深度学习实战，PyTorch入门
编辑点评
深入浅出，从基础到实战，适合AI初学者。
⭐ 编辑推荐
本课程从零基础出发，通过通俗易懂的案例，带你掌握深度学习与PyTorch。
✨ 课程亮点
✦深度学习基础全面覆盖
✦PyTorch实战案例丰富
✦适合AI初学者入门
课程目录
课程目录62 集
- 001-课程介绍.mp4
- 002-1-神经网络要完成的任务分析.mp4
- 003-2-模型更新方法解读.vep
- 004-3-损失函数计算方法.vep
- 005-4-前向传播流程解读.mp4
- 006-5-反向传播演示.mp4
- 007-6-神经网络整体架构详细拆解.mp4
- 008-7-神经网络效果可视化分析.mp4
- 009-8-神经元个数的作用.vep
- 010-9-预处理与dropout的作用.mp4
- 011-1-卷积神经网络概述分析.mp4
- 012-2-卷积要完成的任务解读.mp4
- 013-3-卷积计算详细流程演示.mp4
- 014-4-层次结构的作用.vep
- 015-5-参数共享的作用.mp4
- 016-6-池化层的作用与效果.mp4
- 017-7-整体网络结构架构分析.mp4
- 018-8-经典网络架构概述.mp4
- 019-1-RNN网络结构原理与问题.vep
- 020-2-注意力结构历史故事介绍.mp4
- 021-3-self-attention要解决的问题.mp4
- 022-4-QKV的来源与作用.mp4
- 023-5-多头注意力机制的效果.mp4
- 024-6-位置编码与解码器.vep
- 025-7-整体架构总结.mp4
- 026-8-BERT训练方式分析.mp4
- 027-1-PyTorch框架与其他框架区别分析.mp4
- 028-2-CPU与GPU版本安装方法解读.mp4
- 029-1-数据集与任务概述.vep
- 030-2-基本模块应用测试.mp4
- 031-3-网络结构定义方法.mp4
- 032-4-数据源定义简介.mp4
- 033-5-损失与训练模块分析.mp4
- 034-6-训练一个基本的分类模型.vep
- 035-7-参数对结果的影响.mp4
- 036-1-任务与数据集解读.mp4
- 037-2-参数初始化操作解读.mp4
- 038-3-训练流程实例[].mp4
- 039-4-模型学习与预测[].mp4
- 040-1-输入特征通道分析[].vep
- 041-2-卷积网络参数解读[].mp4
- 042-3-卷积网络模型训练[].mp4
- 043-1-任务分析与图像数据基本处理[].mp4
- 044-2-数据增强模块[].mp4
- 045-3-数据集与模型选择[].mp4
- 046-4-迁移学习方法解读[].vep
- 047-5-输出层与梯度设置[].mp4
- 048-6-输出类别个数修改[].mp4
- 049-7-优化器与学习率衰减[].mp4
- 050-8-模型训练方法[].mp4
- 051-9-重新训练全部模型[].mp4
- 052-10-测试结果演示分析[].vep
- 053-4-实用Dataloader加载数据并训练模型[].mp4
- 054-1-Dataloader要完成的任务分析[].mp4
- 055-2-图像数据与标签路径处理[副业分享.fuye1.com].mp4
- 056-3-Dataloader中需要实现的方法分析[].mp4
- 057-1-数据集与任务目标分析[].mp4
- 058-2-文本数据处理基本流程分析[].vep
- 059-3-命令行参数与DEBUG[].mp4
- 060-4-训练模型所需基本配置参数分析[].mp4
- 061-5-预料表与字符切分[].mp4
- 062-6-字符预处理转换ID[].mp4
- 063-7-LSTM网络结构基本定义[].vep
- 064-8-网络模型预测结果输出[].mp4
- 065-9-模型训练任务与总结[].mp4
- 066-1-基本结构与训练好的模型加载[].mp4
- 067-2-服务端处理与预测函数[].mp4
- 068-3-基于Flask测试模型预测结果[].mp4
- 069-1-视觉transformer要完成的任务解读.vep
- 070-1-项目源码准备[].mp4
- 071-2-源码DEBUG演示[].mp4
- 072-3-Embedding模块实现方法.mp4
- 073-4-分块要完成的任务[].mp4
- 074-5-QKV计算方法[].mp4
- 075-6-特征加权分配.vep
- 076-7-完成前向传播[].mp4
- 077-8-损失计算与训练[].mp4
适合人群
- AI初学者
- Python开发者
- 跨专业学习者
🎯 学习收获
- 掌握深度学习基本概念
- 熟练使用PyTorch框架
- 完成深度学习项目实战
🎉 祝您学习愉快！
