1.先导片
01:27
2.深度学习的概念
03:31
3.认识张量
08:42
4.认识pytorch
03:55
5.根据torch.tensor创建张量
12:29
6.根据torch.Tensor创建张量
05:37
7.根据torch.arange创建线性张量
07:01
8.根据torch.linspace创建线性张量
06:23
9.根据torch.randn创建随机张量
02:30
10.根据torch.ones,zeros,full创建张量
04:51
11.修改张量的数据类型方式一
08:25
12.修改张量的数据类型方式二
04:41
13.将张量转换成numpy数组
02:33
14.将张量转换成numpy数组方式一03:23
15.将张量转换成numpy数组方式二
02:58
16.将标量转换成数字
03:12
17.张量的基本运算
14:00
18.张量的点乘运算
05:53
19.张量的矩阵相乘
07:51
20.张量的函数运算
09:55
21.认识张量的索引
03:56
22.张量的行列索引（1）
06:58
23.张量的行列索引（2）
09:01
24.张量的多维索引
06:06
25.张量的范围索引
04:19
26.使用reshape函数来修改张量的维度
07:34
27.使用squeeze和unsqueeze进行降增维度
13:15
28.使用permute和transpose交换张量的维度
14:21
29.使用torch.cat进行张量的维度拼接
04:47
30.回顾数学里面的导数
03:37
31.反向传播和梯度下降的概念
12:14
32.实现自动微分模型标量
08:55
33.核对自动微分模型的结果
02:15
34.自动微分的数组方式
04:25
35.认识线性回归
04:08
36.损失函数
03:01
37.梯度下降算法
08:20
38.勾选线性回归模型的准备工作
03:02
39.导入线性回归所需要的包和模块
04:36
40.构建数据集
09:56
