AI大模型之深度学习资源简介：
课程目录:
1.笔记
│ └── 1.笔记
│ └── 尚硅谷大模型技术之深度学习1.3.0.docx (14.71 MB)
2.资料
│ └── 2.资料
│ data
│ └── 图片
3.代码
│ └── 3.代码
│ └── dl_tutorial.zip (47.43 MB)
└── 4.视频
001_课程简介.mp4 (15.91 MB)
002_深度学习_概述.mp4 (37.64 MB)
003_神经网络_基本概念和结构.mp4 (40.06 MB)
004_神经网络_感知机和激活函数.mp4 (19.82 MB)
005_激活函数_阶跃、Sigmoid和Tanh.mp4 (64.10 MB)
006_激活函数_ReLU.mp4 (19.68 MB)
007_激活函数_Softmax.mp4 (61.54 MB)
008_其它激活函数.mp4 (26.44 MB)
009_简单神经网络_信号传递.mp4 (45.52 MB)
010_简单神经网络_代码实现.mp4 (37.51 MB)
011_神经网络案例_手写数字识别_整体思路.mp4 (36.42 MB)
012_神经网络案例_手写数字识别_具体实现.mp4 (63.67 MB)
013_神经网络案例_手写数字识别_小批量计算.mp4 (24.19 MB)
014_损失函数_MSE.mp4 (29.64 MB)
015_损失函数_交叉熵误差.mp4 (45.06 MB)
016_损失函数_分类和回归任务常见损失函数.mp4 (23.38 MB)
017_数值微分_求导.mp4 (35.88 MB)
018_数值微分_计算切线.mp4 (32.68 MB)
019_数值微分_偏导数和梯度.mp4 (16.48 MB)
020_数值微分_计算梯度.mp4 (31.32 MB)
021_定义神经网络类.mp4 (33.45 MB)
022_神经网络的梯度计算.mp4 (42.55 MB)
023_梯度下降法_原理和代码实现.mp4 (33.27 MB)
024_梯度下降法案例_求最小值.mp4 (25.47 MB)
025_梯度下降法_超参数的影响.mp4 (17.56 MB)
026_梯度下降法_训练相关概念.mp4 (38.00 MB)
027_梯度下降法_SGD基本原理.mp4 (28.18 MB)
028_梯度下降法_SGD案例_神经网络类实现.mp4 (55.78 MB)
029_梯度下降法_SGD案例_加载数据和定义超参数.mp4 (32.37 MB)
030_梯度下降法_SGD案例_模型训练和测试.mp4 (63.67 MB)
031_反向传播_计算图和反向求导.mp4 (54.75 MB)
032_反向传播_链式法则.mp4 (21.58 MB)
033_反向传播_加法和乘法节点.mp4 (16.72 MB)
034_反向传播_激活函数层_ReLU.mp4 (33.68 MB)
035_反向传播_激活函数层_Sigmoid.mp4 (39.52 MB)
036_反向传播_仿射层Affine.mp4 (81.42 MB)
037_反向传播_输出层_基本介绍.mp4 (30.89 MB)
038_反向传播_输出层_原理推导.mp4 (55.78 MB)
039_反向传播_输出层_代码实现.mp4 (28.25 MB)
040_综合应用案例_手写数字识别_定义网络类.mp4 (69.27 MB)
041_综合应用案例_手写数字识别_模型训练和测试.mp4 (43.95 MB)
042_深度神经网络.mp4 (39.77 MB)
043_梯度消失和梯度爆炸.mp4 (45.04 MB)
044_学习优化方法_SGD.mp4 (38.76 MB)
045_学习优化方法_动量法.mp4 (51.86 MB)
046_学习优化方法_学习率衰减.mp4 (30.72 MB)
047_学习优化方法_AdaGrad.mp4 (35.32 MB)
048_学习优化方法_RMSProp.mp4 (27.48 MB)
049_学习优化方法_Adam.mp4 (69.89 MB)
050_学习优化方法_综合对比.mp4 (83.73 MB)
051_学习优化方法_超参数的调节.mp4 (30.50 MB)
052_参数初始化_常数初始化及其问题.mp4 (38.46 MB)
053_参数初始化_Xavier和He初始化.mp4 (33.88 MB)
054_正则化_Batch Norm.mp4 (41.24 MB)
055_正则化_权值衰减和Dropout.mp4 (27.18 MB)
056_PyTorch_基本介绍.mp4 (19.29 MB)
057_PyTorch_安装流程及CUDA介绍.mp4 (66.60 MB)
058_PyTorch_安装完成验证.mp4 (20.98 MB)
059_PyTorch_张量创建_按内容.mp4 (35.09 MB)
060_PyTorch_张量创建_按形状.mp4 (27.15 MB)
061_PyTorch_张量创建_按类型.mp4 (28.32 MB)
062_PyTorch_张量创建_指定区间.mp4 (23.11 MB)
063_PyTorch_张量创建_按数值填充.mp4 (22.98 MB)
064_PyTorch_张量创建_随机生成.mp4 (22.95 MB)
065_PyTorch_随机排列和随机数种子.mp4 (10.75 MB)
066_PyTorch_张量转换_元素数据类型转换.mp4 (18.84 MB)
067_PyTorch_张量转换_张量和ndarray的转换.mp4 (43.00 MB)
068_PyTorch_张量转换_张量和标量的转换.mp4 (12.04 MB)
069_PyTorch_张量数值计算_基本运算.mp4 (37.14 MB)
070_PyTorch_张量数值计算_哈达玛积和矩阵乘法.mp4 (29.57 MB)
071_PyTorch_节省内存.mp4 (37.55 MB)
072_PyTorch_张量统计运算函数.mp4 (65.29 MB)
073_PyTorch_张量索引操作_简单索引和范围索引.mp4 (28.67 MB)
074_PyTorch_张量索引操作_列表索引.mp4 (18.47 MB)
075_PyTorch_张量索引操作_布尔索引.mp4 (48.04 MB)
076_PyTorch_张量形状操作_交换维度.mp4 (23.13 MB)
077_PyTorch_张量形状操作_调整形状.mp4 (26.62 MB)
078_PyTorch_张量形状操作_增减维度.mp4 (20.20 MB)
079_PyTorch_张量拼接和堆叠.mp4 (25.67 MB)
080_PyTorch_自动微分模块_计算梯度基本流程.mp4 (73.14 MB)
081_PyTorch_自动微分模块_梯度计算原理.mp4 (17.34 MB)
082_PyTorch_自动微分模块_分离张量.mp4 (34.17 MB)
083_PyTorch_自动微分模块_detach对梯度计算的影响.mp4 (14.35 MB)
084_PyTorch_自动微分模块_detach与data的区别.mp4 (33.12 MB)
085_PyTorch_线性回归案例_模块和流程介绍.mp4 (30.61 MB)
086_PyTorch_线性回归案例_代码实现.mp4 (88.40 MB)
087_PyTorch深度学习_激活函数_Sigmoid.mp4 (45.69 MB)
088_PyTorch深度学习_激活函数_Tanh.mp4 (16.41 MB)
089_PyTorch深度学习_激活函数_ReLU.mp4 (12.03 MB)
090_PyTorch深度学习_激活函数_Softmax.mp4 (19.66 MB)
091_PyTorch深度学习_全连接层和参数初始化.mp4 (62.53 MB)
092_PyTorch深度学习_Dropout层.mp4 (17.58 MB)
093_PyTorch深度学习_神经网络搭建.mp4 (53.84 MB)
094_PyTorch深度学习_查看模型参数.mp4 (24.02 MB)
095_PyTorch深度学习_查看模型结构和参数数量.mp4 (31.30 MB)
096_PyTorch深度学习_device设置.mp4 (30.81 MB)
097_PyTorch深度学习_使用Sequential创建神经网络.mp4 (42.02 MB)
098_PyTorch深度学习_损失函数_BCE.mp4 (31.96 MB)
099_PyTorch深度学习_损失函数_CrossEntropyLoss.mp4 (41.12 MB)
100_PyTorch深度学习_损失函数_回归任务损失函数.mp4 (16.99 MB)
101_PyTorch深度学习_损失函数_综合测试.mp4 (39.27 MB)
102_PyTorch深度学习_动量法.mp4 (71.12 MB)
103_PyTorch深度学习_学习率衰减_等间隔.mp4 (42.54 MB)
104_PyTorch深度学习_学习率衰减_指定间隔和指数衰减.mp4 (24.89 MB)
105_PyTorch深度学习_AdaGrad和RMSProp.mp4 (32.74 MB)
106_PyTorch深度学习_Adam.mp4 (24.50 MB)
107_房价预测案例_数据分析和导入模块.mp4 (50.08 MB)
108_房价预测案例_特征工程.mp4 (74.91 MB)
109_房价预测案例_模型创建.mp4 (22.18 MB)
110_房价预测案例_定义损失函数.mp4 (25.86 MB)
111_房价预测案例_训练模型和测试.mp4 (70.89 MB)
112_CNN_基本结构.mp4 (16.70 MB)
113_CNN_卷积层_基本介绍.mp4 (15.10 MB)
114_CNN_卷积层_数学上的卷积.mp4 (56.78 MB)
115_CNN_卷积层_CNN的卷积运算.mp4 (21.08 MB)
116_CNN_卷积层_填充.mp4 (14.02 MB)
117_CNN_卷积层_步幅和输出形状计算.mp4 (30.32 MB)
118_CNN_卷积层_3维数据卷积运算.mp4 (26.74 MB)
119_CNN_卷积层_API调用和测试.mp4 (56.36 MB)
120_CNN_池化层_基本概念和特点.mp4 (25.77 MB)
121_CNN_池化层_API调用和测试.mp4 (34.40 MB)
122_CNN_深度卷积神经网络.mp4 (86.65 MB)
123_服装分类案例_加载数据集.mp4 (47.66 MB)
124_服装分类案例_创建模型.mp4 (43.07 MB)
125_服装分类案例_模型训练.mp4 (62.96 MB)
126_服装分类案例_模型测试.mp4 (46.70 MB)
127_NLP概述.mp4 (64.33 MB)
128_词向量和词嵌入.mp4 (28.47 MB)
129_嵌入层API使用.mp4 (55.00 MB)
130_词嵌入应用和NLP模型.mp4 (57.46 MB)
131_RNN_基本结构和原理.mp4 (31.63 MB)
132_RNN_API调用.mp4 (68.03 MB)
133_RNN_输入输出形状.mp4 (38.96 MB)
134_古诗生成案例_数据预处理.mp4 (67.49 MB)
135_古诗生成案例_创建数据集.mp4 (56.52 MB)
136_古诗生成案例_创建模型.mp4 (31.21 MB)
137_古诗生成案例_模型训练.mp4 (46.40 MB)
└── 138_古诗生成案例_生成新诗.mp4 (70.49 MB)
