| 🎬 068-3-基于Flask测试模型预测结果.mp4 |
MP4 |
37.37 MB |
| 🎬 039-4-模型学习与预测.mp4 |
MP4 |
43.82 MB |
| 🎬 036-1-任务与数据集解读.mp4 |
MP4 |
30.44 MB |
| 🎬 023-5-多头注意力机制的效果.mp4 |
MP4 |
23.64 MB |
| 🎬 027-1-PyTorch框架与其他框架区别分析.mp4 |
MP4 |
26.41 MB |
| 🎬 020-2-注意力结构历史故事介绍.mp4 |
MP4 |
27.35 MB |
| 🎬 028-2-CPU与GPU版本安装方法解读.mp4 |
MP4 |
69.30 MB |
| 🎬 077-8-损失计算与训练.mp4 |
MP4 |
37.44 MB |
| 🎬 075-6-特征加权分配.mp4 |
MP4 |
30.59 MB |
| 🎬 018-8-经典网络架构概述.mp4 |
MP4 |
37.67 MB |
| 🎬 010-9-预处理与dropout的作用.mp4 |
MP4 |
27.31 MB |
| 🎬 006-5-反向传播演示.mp4 |
MP4 |
19.41 MB |
| 🎬 060-4-训练模型所需基本配置参数分析.mp4 |
MP4 |
31.74 MB |
| 🎬 042-3-卷积网络模型训练.mp4 |
MP4 |
39.71 MB |
| 🎬 026-8-BERT训练方式分析.mp4 |
MP4 |
16.39 MB |
| 🎬 004-3-损失函数计算方法.mp4 |
MP4 |
23.71 MB |
| 🎬 008-7-神经网络效果可视化分析.mp4 |
MP4 |
59.09 MB |
| 🎬 032-4-数据源定义简介.mp4 |
MP4 |
28.36 MB |
| 🎬 050-8-模型训练方法.mp4 |
MP4 |
37.77 MB |
| 🎬 001-课程介绍.mp4 |
MP4 |
132.75 MB |
| 🎬 061-5-预料表与字符切分.mp4 |
MP4 |
24.86 MB |
| 🎬 059-3-命令行参数与DEBUG.mp4 |
MP4 |
28.78 MB |
| 🎬 057-1-数据集与任务目标分析.mp4 |
MP4 |
33.31 MB |
| 🎬 072-3-Embedding模块实现方法.mp4 |
MP4 |
33.50 MB |
| 🎬 025-7-整体架构总结.mp4 |
MP4 |
21.93 MB |
| 🎬 066-1-基本结构与训练好的模型加载.mp4 |
MP4 |
16.43 MB |
| 🎬 031-3-网络结构定义方法.mp4 |
MP4 |
42.44 MB |
| 🎬 049-7-优化器与学习率衰减.mp4 |
MP4 |
38.78 MB |
| 🎬 047-5-输出层与梯度设置.mp4 |
MP4 |
45.04 MB |
| 🎬 076-7-完成前向传播.mp4 |
MP4 |
30.53 MB |
| 🎬 074-5-QKV计算方法.mp4 |
MP4 |
31.45 MB |
| 🎬 011-1-卷积神经网络概述分析.mp4 |
MP4 |
77.70 MB |
| 🎬 019-1-RNN网络结构原理与问题.mp4 |
MP4 |
14.73 MB |
| 🎬 013-3-卷积计算详细流程演示.mp4 |
MP4 |
48.33 MB |
| 🎬 033-5-损失与训练模块分析.mp4 |
MP4 |
30.71 MB |
| 🎬 017-7-整体网络结构架构分析.mp4 |
MP4 |
37.12 MB |
| 🎬 024-6-位置编码与解码器.mp4 |
MP4 |
23.67 MB |
| 🎬 037-2-参数初始化操作解读.mp4 |
MP4 |
34.23 MB |
| 🎬 041-2-卷积网络参数解读.mp4 |
MP4 |
22.10 MB |
| 🎬 062-6-字符预处理转换ID.mp4 |
MP4 |
26.87 MB |
| 🎬 044-2-数据增强模块.mp4 |
MP4 |
29.95 MB |
| 🎬 064-8-网络模型预测结果输出.mp4 |
MP4 |
30.77 MB |
| 🎬 040-1-输入特征通道分析.mp4 |
MP4 |
31.67 MB |
| 🎬 022-4-QKV的来源与作用.mp4 |
MP4 |
23.33 MB |
| 🎬 056-3-Dataloader中需要实现的方法分析.mp4 |
MP4 |
33.38 MB |
| 🎬 071-2-源码DEBUG演示.mp4 |
MP4 |
26.29 MB |
| 🎬 012-2-卷积要完成的任务解读.mp4 |
MP4 |
23.67 MB |
| 🎬 016-6-池化层的作用与效果.mp4 |
MP4 |
27.66 MB |
| 🎬 003-2-模型更新方法解读.mp4 |
MP4 |
19.00 MB |
| 🎬 005-4-前向传播流程解读.mp4 |
MP4 |
18.98 MB |
| 🎬 043-1-任务分析与图像数据基本处理.mp4 |
MP4 |
31.30 MB |
| 🎬 073-4-分块要完成的任务.mp4 |
MP4 |
30.95 MB |
| 🎬 030-2-基本模块应用测试.mp4 |
MP4 |
34.75 MB |
| 🎬 053-4-实用Dataloader加载数据并训练模型.mp4 |
MP4 |
60.92 MB |
| 🎬 069-1-视觉transformer要完成的任务解读.mp4 |
MP4 |
25.25 MB |
| 🎬 045-3-数据集与模型选择.mp4 |
MP4 |
35.30 MB |
| 🎬 009-8-神经元个数的作用.mp4 |
MP4 |
20.17 MB |
| 🎬 054-1-Dataloader要完成的任务分析.mp4 |
MP4 |
28.54 MB |
| 🎬 007-6-神经网络整体架构详细拆解.mp4 |
MP4 |
36.04 MB |
| 🎬 046-4-迁移学习方法解读.mp4 |
MP4 |
31.47 MB |
| 🎬 065-9-模型训练任务与总结.mp4 |
MP4 |
37.63 MB |
| 🎬 021-3-self-attention要解决的问题.mp4 |
MP4 |
22.21 MB |
| 🎬 058-2-文本数据处理基本流程分析.mp4 |
MP4 |
35.69 MB |
| 🎬 038-3-训练流程实例.mp4 |
MP4 |
32.46 MB |
| 🎬 067-2-服务端处理与预测函数.mp4 |
MP4 |
34.67 MB |
| 🎬 070-1-项目源码准备.mp4 |
MP4 |
40.47 MB |
| 🎬 048-6-输出类别个数修改.mp4 |
MP4 |
38.97 MB |
| 🎬 055-2-图像数据与标签路径处理.mp4 |
MP4 |
36.73 MB |
| 🎬 014-4-层次结构的作用.mp4 |
MP4 |
17.83 MB |
| 🎬 029-1-数据集与任务概述.mp4 |
MP4 |
34.83 MB |
| 🎬 015-5-参数共享的作用.mp4 |
MP4 |
16.76 MB |
| 🎬 051-9-重新训练全部模型.mp4 |
MP4 |
41.46 MB |
| 🎬 035-7-参数对结果的影响.mp4 |
MP4 |
38.67 MB |
| 🎬 034-6-训练一个基本的分类模型.mp4 |
MP4 |
40.84 MB |
| 🎬 002-1-神经网络要完成的任务分析.mp4 |
MP4 |
28.66 MB |
| 🎬 063-7-LSTM网络结构基本定义.mp4 |
MP4 |
27.76 MB |
| 🎬 052-10-测试结果演示分析.mp4 |
MP4 |
86.78 MB |
