01.PyTorch框架简介
22:19
02.PyTorch_张量基本创建方式
33:22
03.PyTorch_创建全0_1_指定值张量
14:52
04.PyTorch_创建线性和随机张量
19:42
05.PyTorch_元素类型转换
10:14
06.PyTorch_创建张量方式总结
12:26
01.昨日内容回顾及反馈处理
23:27
02.今日内容大纲介绍
09:19
03.张量和Numpy之间相互转换
25:24
04.张量的基本运算
14:13
05.张量点乘和矩阵乘法
19:54
06.张量的常用运算函数
21:10
07.张量的索引操作(上)
34:14
08.张量的索引操作(下)
09:53
09.上午内容回顾
03:52
10.张量的形状操作_reshape函数
13:36
11.张量的形状操作_unsqueeze和squeeze函数
13:10
12.张量的形状操作_transpose和permute函数
10:29
13.张量的形状操作_view和contiguous函数
15:37
14.张量的拼接操作
24:18
15.自动微分模块_介绍
15:49
16.自动微分模块案例_更新一次参数
19:28
17.自动微分模块案例_循环更新参数
21:58
01.昨日反馈处理和内容回顾
24:56
02.自动微分小问题_detach函数
10:39
03.自动微分真实应用场景
19:20
04.PyTorch模拟线性回归_准备数据集
18:06
05.PyTorch模拟线性回归_模型训练
32:53
06.PyTorch模拟线性回归_可视化操作
11:14
07.如何构建神经网络(neural network)
41:20
08.神经网络_文字介绍
07:06
09.激活函数介绍
14:51
10.Sigmoid激活函数介绍
18:31
11.Tanh激活函数介绍
16:05
12.ReLU激活函数介绍
15:46
13.Softmax激活函数介绍
18:22
01.昨日反馈处理及内容回顾
23:20
02.参数初始化_介绍
27:20
03.参数初始化_代码演示
27:42
04.神经网络_搭建流程介绍
11:32
05.神经网络_搭建代码实现
23:23
06.神经网络_模型训练
18:17
07.神经网络_总结
16:38
08.损失函数_多分类交叉熵损失介绍
31:42
09.损失函数_二分类交叉熵损失介绍
13:12
10.损失函数_MAE损失函数介绍
15:56
11.损失函数_MSE损失函数介绍
14:18
12.损失函数_Smooth L1损失函数介绍
08:45
13.梯度下降算法回顾
18:06
14.反向传播(了解)
42:15
02.梯度相关知识点回顾
05:34
03.指数移动加权平均介绍
30:36
04.梯度下降优化方法_动量法
28:14
05.梯度下降优化方法_AdaGrad
15:07
06.梯度下降优化方法_RMSProp
11:38
07.扩展_PyCharm常用插件介绍
18:17
08.扩展_如何快速修改PyCharm主题
01:42
09.梯度下降优化方法_Adam
13:38
10.梯度下降优化方法_总结
09:57
11.学习率优化_背景介绍
13:10
12.学习率衰减策略_等间隔学习率衰减
31:30
13.学习率衰减策略_指定间隔学习率衰减
06:36
14.学习率衰减策略_指数间隔学习率衰减
06:57
15.学习率衰减策略_总结
05:53
16.正则化_dropout(随机失活)介绍
13:37
17.正则化_dropout(随机失活)代码演示
21:26
18.正则化_批量归一化(BN)介绍
21:35
19.正则化_批量归一化(BN)代码实现
20:23
20.ANN案例_手机价格分类_需求介绍
09:45
21.ANN案例_手机价格分类_准备数据集
14:25
00.昨日反馈处理及内容回顾
51:48
02.ANN案例_手机价格分类_准备数据集(回顾)
05:10
03.ANN案例_手机价格分类_搭建神经网络
15:12
04.ANN案例_手机价格分类_模型训练
24:06
05.ANN案例_手机价格分类_模型测试
23:29
06.ANN案例_手机价格分类_调优思路
07:42
07.图像相关知识介绍
25:30
08.上午内容回顾
09:22
09.CNN概述介绍
08:12
10.卷积层_计算规则介绍
16:53
11.卷积层_填充(Padding)介绍
11:01
12.卷积层_步长(Stride)介绍
10:57
13.卷积层_多通道卷积计算
10:02
14.卷积层_多卷积核卷积计算
08:23
15.卷积层_特征图(FeatureMap)计算规则
09:41
16.卷积层_API介绍
27:58
17.池化层_介绍
10:15
18.池化层_API介绍
12:58
03.CNN图像分类案例_准备数据集
18:25
04.CNN图像分类案例_搭建神经网络_思路分析
18:19
05.CNN图像分类案例_搭建神经网络_代码实现
30:29
06.CNN图像分类案例_模型训练
35:51
07.CNN图像分类案例_模型测试
11:43
08.CNN图像分类案例_优化及总结
07:18
09.RNN介绍
27:01
10.词嵌入层_解释
10:56
11.词嵌入层_API演示
18:32
12.RNN层(循环网络层)_简介
27:37
13.RNN层(循环网络层)_API演示
30:43
14.RNN_AI歌词生成器案例_构建词表
27:12
15.昨日内容回顾
21:07
16.RNN_AI歌词生成器案例_构建数据集
33:19
17.RNN_AI歌词生成器案例_搭建神经网络
22:40
18.RNN_AI歌词生成器案例_模型训练
30:49
19.RNN_AI歌词生成器案例_模型测试
23:13
