注意：只展示部分的文件和文件夹 实际有168个文件
九天菜菜pytoch
pytorch（自用版） 6.9GB
91(17.11(4)案例1个完整的训练函数).mp4 170.7MB
90(17.11(3)案例1提前停止).mp4 78.1MB
9(6动态计算图与梯度下降入门).mp4 203.1MB
89(17.112)案例1(数据与架构).mp4 125.3MB
88(17.11(1)案例1项目背景完整流程概述).mp4 63.2MB
87(17.10深度学习中的模型选择).mp4 76.0MB
86(17.9有监督算法的预训练、迁移学习).mp4 119.0MB
85(17.8(2)基于普通卷积层和池化层自建架构).mp4 51.1MB
84(17.8(1)基于 Resnet与VGG16目建架构).mp4 68.9MB
83(17.7调用经典架构).mp4 46.4MB
82(17.6更强大的 Lesson17优化算法(2) Rmsprop与Adam).mp4 102.3MB
81(17.6更强大的优化算法(1) Adagrad).mp4 92.6MB
80(17.5数据增强).mp4 80.6MB
8(5基本优化方法与最小二乘法).MP4 242.5MB
79(17,4图像数据的数据预处理).mp4 63.9MB
78(17.3(3)将二维表及其他结构转化为四维tensor).mp4 114.3MB
77(17.3(2)使用自己的图像创造数据集).mp4 175.6MB
76(17.2经典数据集(2)意赛数据与其他常用数据).mp4 86.1MB
75(17.2经典数据集(1)入门数据集.新手读数据踩坑指南).mp4 85.6MB
74(17.1计算机视觉中的三种基本任务).mp4 59.7MB
73(16.17 Resnete的复现(3)(完整的残差网络).mp4 199.8MB
72(16.17 Resnete的复现(2)(卷积块、残差块、架构).mp4 192.2MB
71(16.17 Resnete的复现(1)(架构中的陷阱).mp4 79.7MB
70(16.16残差网络(思想与具体架构).mp4 95.4MB
7(4张量的现行代数运算).mp4 164.3MB
69(16.15600 gleety的复现).mp4 187.8MB
68(16.14600 genet(思想与具体架构).mp4 129.6MB
67(16.13全局平均池化.NiN网络的复现).mp4 95.1MB
66(16.12全连接层的参数.用nn. Sequentials复现VGG16).mp4 102.8MB
65(16.11分组卷积与深度可分离卷积).mp4 75.4MB
64(16.10卷积层的参数量计算.1x1卷积核).mp4 64.5MB
63(16.9平移不变性).mp4 80.3MB
62(16.8受野（下）(歳胀卷积.计算感受野大小).mp4 111.4MB
61(16.8受野（上）(定义与性质).mp4 96.7MB
60(16.7如何拓展网络深度(VGG架构).mp4 100.1MB
6(3张量的广播和科学计算).mp4 128.5MB
59(16经典2; exnet).mp4 117.4MB
58(16.6复现经典架构(1)( Lenet5).mp4 64.2MB
57(16.5在Pytorchi中实现卷积网)(池化层.BN与O Dropout).mp4 85.1MB
56(16.5在Porch中实现卷积网络（中）(步长与填充).mp4 102.0MB
55(16.5在Pytorchi中实现巻积网络（上）(卷积核、输入通道)与特征图.mp4 82.0MB
54(16.4卷积遇见深度学).mp4 46.9MB
53(16.3卷积操作与边绿检测).mp4 63.4MB
52(16.2图像的基本操作).mp4 99.3MB
51(16.1配置环境.计算机视觉行业综述).mp4 99.5MB
50(15.2学习率度在 Pytorcht中的实现方法).mp4 147.2MB
5(2张量的索引，切片，合并，维度调整).MP4 140.4MB
49(15.1学习率调度基本概念与手动实现方法).mp4 167.0MB
48(14.3 Batchnormalization综合调参实战).mp4 175.9MB
47(14.2 Batchnormalization在 Porch中的实现).mp4 205.0MB
46(14.1数据归一化与 Batchnormalization基础理论).mp4 211.3MB
45(13.5 Xavier方法与 kaiming方法(HE初始化)).mp4 178.6MB
44(13.4 Deadreluproblem与学习率优化).mp4 130.6MB
43(3.3梯度不平稳性与 Glorotf条件(3)).mp4 86.9MB
42(13.3梯度不平稳性与 Glorot条件(2).mp4 89.3MB
41(133梯度不平稳性与 lorate条件(1)).mp4 108.4MB
40(13【加加餐】损失数的随机创建现象详解).mp4 62.4MB
4(1张量的创建与常用方法).mp4 160.3MB
39(13.2模型拟合度概念介绍与欠拟合模型的结构调整策略).mp4 202.9MB
38(13.1深度学习建模目标与性能评估理论).mp4 222.3MB
