注意：只展示部分的文件和文件夹 实际有79个文件
零基础入门实战深度学习Pytorch
零基础入门实战深度学习Pytorch 2.2GB
25894 2.2GB
如何利用用户坏习惯，破解298会员教程 .mp4 27.2MB
如何利用用户坏习惯，破解298会员 教程 .txt 2KB
077-8-损失计算与训练.mp4 44.4MB
076-7-完成前向传播.mp4 35.6MB
075-6-特征加权分配.mp4 39.2MB
074-5-QKV计算方法.mp4 39.4MB
073-4-分块要完成的任务.mp4 34.8MB
072-3-Embedding模块实现方法.mp4 42.2MB
071-2-源码DEBUG演示.mp4 31.7MB
070-1-项目源码准备.mp4 42.7MB
069-1-视觉transformer要完成的任务解读.mp4 30.1MB
068-3-基于Flask测试模型预测结果.mp4 40.0MB
067-2-服务端处理与预测函数.mp4 39.0MB
066-1-基本结构与训练好的模型加载.mp4 19.1MB
065-9-模型训练任务与总结.mp4 41.3MB
064-8-网络模型预测结果输出.mp4 35.7MB
063-7-LSTM网络结构基本定义.mp4 31.9MB
062-6-字符预处理转换ID.mp4 30.9MB
061-5-预料表与字符切分.mp4 29.1MB
060-4-训练模型所需基本配置参数分析.mp4 37.9MB
059-3-命令行参数与DEBUG.mp4 32.2MB
058-2-文本数据处理基本流程分析.mp4 50.5MB
057-1-数据集与任务目标分析.mp4 35.4MB
056-3-Dataloader中需要实现的方法分析.mp4 42.7MB
055-2-图像数据与标签路径处理.mp4 42.0MB
054-1-Dataloader要完成的任务分析.mp4 30.7MB
053-4-实用Dataloader加载数据并训练模型.mp4 58.8MB
052-10-测试结果演示分析 】.mp4 89.3MB
051-9-重新训练全部模型.mp4 43.1MB
050-8-模型训练方法.mp4 42.3MB
049-7-优化器与学习率衰减.mp4 42.2MB
048-6-输出类别个数修改.mp4 41.3MB
047-5-输出层与梯度设置.mp4 50.4MB
046-4-迁移学习方法解读.mp4 36.4MB
045-3-数据集与模型选择.mp4 37.9MB
044-2-数据增强模块.mp4 37.5MB
043-1-任务分析与图像数据基本处理.mp4 36.9MB
042-3-卷积网络模型训练.mp4 44.7MB
041-2-卷积网络参数解读.mp4 28.2MB
040-1-输入特征通道分析.mp4 38.4MB
039-4-模型学习与预测.mp4 52.5MB
038-3-训练流程实例.mp4 38.8MB
037-2-参数初始化操作解读.mp4 40.1MB
036-1-任务与数据集解读.mp4 33.6MB
035-7-参数对结果的影响.mp4 39.8MB
034-6-训练一个基本的分类模型.mp4 42.9MB
033-5-损失与训练模块分析.mp4 35.5MB
032-4-数据源定义简介.mp4 32.6MB
031-3-网络结构定义方法.mp4 47.5MB
030-2-基本模块应用测试.mp4 40.5MB
029-1-数据集与任务概述.mp4 38.3MB
028-2-CPU与GPU版本安装方法解读.mp4 74.5MB
027-1-PyTorch框架与其他框架区别分析.mp4 32.8MB
026-8-BERT训练方式分析.mp4 18.9MB
025-7-整体架构总结.mp4 26.5MB
024-6-位置编码与解码器.mp4 28.3MB
023-5-多头注意力机制的效果.mp4 28.6MB
022-4-QKV的来源与作用.mp4 27.3MB
021-3-self-attention要解决的问题.mp4 26.4MB
020-2-注意力结构历史故事介绍.mp4 32.2MB
