文件清单 92 项

• 1-1 课程简介.mp4
• 1-2 Tensorflow2版本简介与心得.mp4
• 1-3 Tensorflow2版本安装方法.mp4
• 1-4 tf基础操作.mp4
• 2-2 深度学习应用领域.mp4
• 2-4 视觉任务中遇到的问题.mp4
• 2-6 损失函数的作用.mp4
• 2-8 返向传播计算方法.mp4
• 2-9 神经网络整体架构.mp4

展开全部 92 项

• 2-12 正则化与激活函数.mp4
• 3-1 任务目标与数据集简介.mp4
• 3-2 建模流程与API文档.mp4
• 3-4 模型超参数调节与预测结果展示.mp4
• 3-6 tf.data模块解读.mp4
• 4-2 卷积的作用.mp4
• 4-3 卷积特征值计算方法.mp4
• 4-8 池化层的作用.mp4
• 4-10 VGG网络架构.mp4
• 4-11 残差网络Resnet.mp4
• 5-1 猫狗识别任务与数据简介.mp4
• 5-2 卷积网络涉及参数解读.mp4
• 5-3 网络架构配置.mp4
• 5-4 卷积模型训练与识别效果展示.mp4
• 6-1 数据增强概述.mp4
• 7-1 迁移学习的目标.mp4
• 7-2 迁移学习策略.mp4
• 7-3 Resnet原理.mp4
• 7-4 加载训练好的经典网络模型.mp4
• 7-5 Callback模块与迁移学习实例.mp4
• 8-1 RNN网络架构解读.mp4
• 8-2 词向量模型通俗解释.mp4
• 8-3 模型整体框架.mp4
• 8-5 CBOW与Skip-gram模型.mp4
• 8-6 负采样方案.mp4
• 9-2 模型定义参数设置.mp4
• 9-3 文本词预处理操作.mp4
• 9-4 训练batch数据制作.mp4
• 10-1 任务目标与数据介绍.mp4
• 10-2 RNN模型输入数据维度解读.mp4
• 10-3 数据映射表制作.mp4
• 10-5 数据生成器构造.mp4
• 10-9 训练文本分类模型.mp4
• 11-1 CNN应用于文本任务原理解析.mp4
• 11-2 整体流程解读.mp4
• 11-3 网络架构设计与训练.mp4
• 12-1 任务目标与数据源.mp4
• 12-2 构建时间序列数据.mp4
• 12-3 训练时间序列数据预测结果.mp4
• 12-5 序列结果预测.mp4
• 13-2 传统解决方案遇到的问题.mp4
• 13-3 注意力机制的作用.mp4
• 13-4 self-attention计算方法.mp4
• 13-5 特征分配与softmax机制.mp4
• 13-6 Multi-head的作用.mp4
• 13-8 transformer整体架构梳理.mp4
• 13-9 BERT模型训练方法.mp4
• 13-10 训练实例.mp4
• 14-3 数据读取模块.mp4
• 14-5 tfrecord制作.mp4
• 14-6 Embedding层的作用.mp4
• 14-7 加入额外编码特征.mp4
• 14-8 加入位置编码特征.mp4
• 14-9 mask机制.mp4
• 14-10 构建QKV矩阵.mp4
• 14-11 完成Transformer模块构建.mp4
• 51CTO-深度学习框架Tensorflow实战/
• 01.tensorflow环境安装/
• 02.神经网络/
• 03.回归任务/
• 04.卷积神经/
• 05.识别实战/
• 06.图像数据增强/
• 07.迁移学习实战/
• 08.递归神经网络与词向量/
• 09.词向量模型/
• 10.LSTM文本分类任务实战/
• 12.时间序列预测/
• 13.框架BERT/
• 14.BERT实战/
• 15.对抗生成网络实战/
• 16.CycleGan实战/
• 17.Resnet实战/
• 18.Tensorflow初识/
• 19.Tensorflow神经网络/
• 20.卷积神经网络实战/
• 21.递归神经网络模型/
• 22.Alexnet网络/
• 23.Tensorboard可视化模块/
• 24.tfrecord数据源制作/
• 25. CNN文本分类/
• 26.Resnet残差网络/
• 资料+代码/