• 投稿

【2026】深度学习入门课程,一口气讲完CNN、RNN、GAN、GNN、DQN、Transformer等八大神经网络,算法原理+项目实战!!具身智能/人工智能

2101
11
2026-06-26 11:32:16
30
21
116
9
【视频配套籽料、学习路线、GitHub项目、实战案例集、电子书+问题解答请看 ”置顶平论” 自取哦】 如果视频对你有用的话请 一键三连【长按点赞】支持一下UP哦,拜托,这对我真的很重要!
8年kaggle竞赛老兵!指导学生累计获得5金+34银+43铜,可带队保银冲金,需要的同学后台私聊
视频选集
(1/98)
【2026】01_什么是深度学习?
07:29
【2026】02_本章内容介绍
01:19
【2026】03_神经网络&深度学习
08:16
【2026】04_深度学习路线图
06:00
【2026】05_深度学习应用
08:20
【2026】06_本章总结
01:20
【2026】07_本章内容介绍
01:29
【2026】08_深度学习实施的一般过程
07:35
【2026】09_逻辑回归
06:01
【2026】10_ 逻辑回归损失函数
09:19
【2026】11_ 逻辑回归示例
12:18
【2026】12_单层、多层感知机
08:52
【2026】13_ MoocTrialNet模型搭建(2)
14:05
【2026】13_ pytorch 构建单多层感知机
19:54
【2026】14_基于多层DNN假钞识别
01:44
【2026】15_数据集及特征分析
05:50
【2026】16_项目构建和模型训练(1)
16:44
【2026】17_ 项目构建和模型训练(2)
14:26
【2026】18_项目构建和模型训练(3)
16:28
【2026】19_项目构建和模型训练(4)
15:59
【2026】20_模型评估和选择
13:03
【2026】21_本章总结
02:25
【2026】22_本章内容介绍
02:31
【2026】23_如何划分和处理你的数据集
06:28
【2026】24_ 正确的初始化模型参数
13:58
【2026】25_激活函数选择
16:33
【2026】26_优化器选择
20:01
【2026】27_Normalization 增强模型训练(上)
17:41
【2026】28_Normalization 增强模型训练(下)
15:39
【2026】29_本章总结
03:41
【2026】30_本章内容介绍
02:07
【2026】31_人类视觉和卷积神经网络关系
07:47
【2026】32_卷积神经网络的应用
05:24
【2026】33_卷积运算是怎样的过程
15:59
【2026】34_卷积运算是怎样的过程(下)
13:57
【2026】35_用池化进行下采样
15:55
【2026】36_几种卷积的变体(上)
15:25
【2026】37_ 几种卷积的变体(下)
14:50
【2026】38_利用残差搭建更深的网络_
16:32
【2026】39_Vgg介绍及实现
24:03
【2026】40_图片的数据增广
15:16
【2026】41_模型设计
08:13
【2026】42_MoocTrialNet模型搭建(1)
16:19
【2026】44_ MoocTrialNet模型搭建(3)
18:13
【2026】45_MoocTrialNet模型搭建(4
17:59
【2026】46_MoocTrialNet模型搭建(5)
07:46
【2026】47_模型评估和选择
10:10
【2026】48_本章总结
04:23
【2026】49_本章内容介绍
02:45
【2026】50_什么是序列模型
12:26
【2026】51_不同的RNN应用类型:OvM, MvM
04:27
【2026】52_ 循环神经网络原理
19:19
【2026】53_用BPTT 训练RNN
05:07
【2026】54_ 两个重要的变体:LSTMGRU(上)
15:26
【2026】55_两个重要的变体:LSTMGRU(下)
14:09
【2026】56_利用双向、多层RNN增强模型_
16:04
【2026】57_典型应用范式:Encoder-Decoder_
05:51
【2026】58_GRU实现唤醒词识别
07:21
【2026】59_基于双层、双向GRU的命令词识别模型搭建(1)
16:13
【2026】60_基于双层、双向GRU的命令词识别模型搭建(2)
15:30
【2026】61_基于双层、双向GRU的命令词识别模型搭建(3)
16:53
【2026】62_基于双层、双向GRU的命令词识别模型搭建(4)
14:33
【2026】63_基于双层、双向GRU的命令词识别模型搭建(5)
09:27
1.全连接神经网络的结构概述
21:06
2.神经网络的权重和偏执
18:35
3.激活函数理论讲解
32:48
3.实操:激活函数定义与图像绘制
19:26
4.张量基础(上)
36:23
4.张量基础(下)
21:02
5.感知机与多层感知机
19:41
6.神经网络的前向传播
27:09
7.神经网络是的损失函数和梯度下降
39:40
8.神经网络的反向传播与梯度计算
48:34
9.优化器与训练参数(上)
18:44
9.优化器与训练参数(下)
16:04
10.训练稳定性与正则化1
20:55
10.训练稳定性与正则化2
24:12
11.1 MNIST数据集下载与可视化
20:51
11.2 MNIST批量数据构建与设备指定
09:02
11.3 训练和测试函数的编写
53:05
11.4 网络训练与训练观测可视化
30:43
11.5 模型推理与可视化验证
09:28
3.1计算机视觉的基础认知
24:12
3.2 计算机视觉的应用方向
53:24
3.3 计算机视觉的核心引擎-卷积神经网络
24:59
3.4 卷积运算原理
55:19
3.4 练习1_实现卷积层
17:01
3.5.1 卷积神经网络的构成分析(上)
17:15
3.5.2 卷积神经网络的构成分析(下)
49:20
3.5.3 练习2_实现池化层与反卷积层
16:45
3.6 经典卷积神经网络介绍
35:22
3.7.1 项目实战1_resnet34网络结构分析与数据集下载
16:26
3.7.2 basicBlock的实现
19:14
3.7.3 resnet网络的整体结构编写
46:43
3.7.4 项目实战1_resnet网络的数据集构建1
08:04
3.7.5 项目实战1-构建训练数据集
33:56
3.7.6 resnet34训练过程
01:25:40
3.7.7 resnet模型续训练与推理
31:24
客服
顶部
赛事库 课堂 2021拜年纪