文件清单 27 项

• 14:TF实现线性回归BGD的方式_使用Optimizer_每轮打乱数据.mp4
• 13:TF实现线性回归解析解的方式_TF实现线性回归梯度下降的方式.mp4
• 11:CUDA安装_cudnn安装_环境变量配置_检验是否安装成功.mp4
• 15:TF实现Softmax回归来识别MNIST手写数字.mp4
• 12:Tensorflow代码运行机制_TF基础的代码.mp4
• 16:TF实现DNN来识别MNIST手写数字.mp4
• 23:python实现神经网络正向反向传播训练.mp4
• 18:反向传播推导(一).mp4
• 19:反向传播推导(二)从输出层到最后一个隐藏层.mp4

展开全部 27 项

• 20:反向传播推导(三)从输出层到最后一个隐藏层Softmax多分类为例.mp4
• 21:反向传播推导(四)关于Δ和a还有梯度的更新事宜.mp4
• 22:python实现神经网络训练代码讲解(一).mp4
• 17:反向传播_链式求导法则.mp4
• 神经网络.pdf
• 3:单层神经网络正向传播计算过程_用神经网络理解逻辑回归做多分类.mp4
• 9:tensorflow概要_conda创建虚拟环境_CPU版本的tensorflow安装.mp4
• 4:用神经网络理解Softmax回归.mp4
• 7:sklearn中NN模型的代码使用.mp4
• 2:三种常见的激活函数_网络拓扑介绍_优化算法.mp4
• 6:多节点网络输出_sklearn中NN模块的介绍.mp4
• 1:神经网络是有监督的算法_生物神经元到人工神经元.mp4
• 5:隐藏层的意义_隐藏层相当于去做预处理_升维降维.mp4
• 8:隐藏层激活函数必须是非线性的.mp4
• 13-深度学习-原理和进阶/
• 章节2:TensorFlow深度学习工具/
• 章节3:反向传播推导_Python代码实现神经网络/
• 章节1:神经网络算法/