视频选集
(110/173)- P1 【01.深度学习初见】课时1 深度学习框架介绍-110:22
- P2 课时2 深度学习框架介绍-29:57
- P3 课时3 开发环境安装-110:23
- P4 课时4 开发环境安装-211:58
- P5 【02.选看】开发环境全程实录 课时5 win10平台实录-129:52
- P6 课时6 win10平台实录-223:28
- P7 课时7 Ubuntu平台实录-cuda安装10:16
- P8 课时8 Ubuntu平台实录-anaconda安装10:1
- P9 课时9 Ubuntu平台实录-tensorlow、pytorch安装14:49
- P10 课时10 Ubuntu平台实录-pycharm安装5:46
- P11 【03.回归问题】课时11 线性回归-18:4
- P12 课时12 线性回归-210:42
- P13 课时13 回归问题实战-17:35
- P14 课时14 回归问题实战-211:6
- P15 课时15 手写数字问题-111:33
- P16 课时16 手写数字问题-29:19
- P17 课时17 手写数字问题-310:12
- P18 课时18 手写数字问题初体验-19:13
- P19 课时19 手写数字问题初体验-27:59
- P20 【04.基础操作】20 tensorflow数据类型-112:3
- P21 课时21 tensorflow数据类型-211:48
- P22 课时22 创建Tensor-110:42
- P23 课时23 创建Tensor-29:55
- P24 课时24 创建Tensor-37:13
- P25 课时25 索引与切片-110:38
- P26 课时26 索引与切片-211:19
- P27 课时27 索引与切片-36:43
- P28 课时28 索引与切片-413:18
- P29 课时29 索引与切片-512:30
- P30 课时30 维度变换-111:52
- P31 课时31 维度变换-212:12
- P32 课时32 维度变换-38:20
- P33 课时33 Broadcasting-111:27
- P34 课时34 Broadcasting-210:56
- P35 课时35 数学运算13:27
- P36 课时36 前向传播（张量）-实战-110:4
- P37 课时37 前向传播（张量）-实战-210:34
- P38 课时38 前向传播（张量）-实战-310:11
- P39 课时39 前向传播（张量）-实战-410:23
- P40 【05.高阶操作】40 合并与分割13:1
- P41 课时41 数据统计14:30
- P42 课时42 张量排序-18:43
- P43 课时43 张量排序-212:41
- P44 课时44 填充与复制13:4
- P45 课时45 张量限幅-110:12
- P46 课时46 张量限幅-210:50
- P47 课时47 高阶操作-110:6
- P48 课时48 高阶操作-29:32
- P49 【06.神经网络与全连接层】课时49 数据加载-110:2
- P50 课时50 数据加载-27:39
- P51 课时51 数据加载-39:13
- P52 课时52 测试（张量）实战15:37
- P53 课时53 全连接层-110:40
- P54 课时54 全连接层-211:
- P55 课时55 输出方式12:44
- P56 课时56 误差计算-110:8
- P57 课时57 误差计算-210:21
- P58 课时58 误差计算-311:50
- P59 【07 随机梯度下降】课时59 梯度下降-简介-17:42
- P60 课时60 梯度下降-简介-29:32
- P61 课时61 常见函数的梯度8
- P62 课时62 激活函数及其梯度15:34
- P63 课时63 损失函数及其梯度-18:14
- P64 课时64 损失函数及其梯度-212:33
- P65 课时65 单输出感知机梯度12:48
- P66 课时66 多输出感知机梯度13:16
- P67 课时67 链式法则12:58
- P68 课时68 反向传播算法-110:11
- P69 课时69 反向传播算法-29:55
- P70 课时70 函数优化实战8:33
- P71 课时71 手写数字问题实战（层）-110:5
- P72 课时72 手写数字问题实战（层）-210:35
- P73 课时73 手写数字问题实战（层）-311:36
- P74 课时74 TensorBoard可视化-110:5
- P75 课时75 TensorBoard可视化-210:6
- P76 【08.Keras高层接口】76 Keras高层API-18:57
- P77 课时77 Keras高层API-28:3
- P78 课时78 Keras高层API-38:12
- P79 课时79 自定义层或网络-19:14
- P80 课时80 自定义层或网络-29:58
- P81 课时81 模型保存与加载10:54
- P82 课时82 CIFAR10自定义网络实战-110:5
- P83 课时83 CIFAR10自定义网络实战-210:3
- P84 课时84 CIFAR10自定义网络实战-311:45
- P85 【09.过拟合】课时85 过拟合与欠拟合14:24
- P86 课时86 交叉验证-110:26
- P87 课时87 交叉验证-213:23
- P88 课时87 Regularization12:55
- P89 课时88 动量与学习率14:8
- P90 课时89 Early stopping，Dropout14:54
- P91 【10.卷积神经网络】 什么是卷积-110:5
- P92 092 什么是卷积-210:3
- P93 093 什么是卷积-39:4
- P94 094 什么是卷积-47:4
- P95 课时90 卷积神经网络-110:37
- P96 课时91 卷积神经网络-210:32
- P97 课时92 卷积神经网络-39:23
- P98 课时93 卷积神经网络-411:18
- P99 课时94 池化与采样7:23
- P100 课时95 CIFAR100与VGG13实战-110:15
- P101 课时96 CIFAR100与VGG13实战-29:56
- P102 课时97 CIFAR100与VGG13实战-310:13
- P103 课时98 CIFAR100与VGG13实战-47:11
- P104 课时99 经典卷积网络VGG, GoogLeNet, Inception-110:16
- P105 课时100 经典卷积网络VGG, GoogLeNet, Inception-28:58
- P106 课时101 batchnorm13:28
- P107 107 batchnorm212:32
- P108 课时102 ResNet, DenseNet - 112:4
- P109 课时103 ResNet, DenseNet - 212:34
-
P110 课时104 ResNet实战-1 10:22 - P111 课时105 ResNet实战-210:7
- P112 课时106 ResNet实战-310:20
- P113 课时107 ResNet实战-411:50
- P114 【11.循环神经网络RNN】 GRU原理与实战13:51
- P115 课时108 序列表示方法-111:46
- P116 课时109 序列表示方法-212:28
- P117 课时110 循环神经网络层-110:50
- P118 课时111 循环神经网络层-212:16
- P119 课时112 RNNCell使用-110:21
- P120 课时113 RNNCell使用-28:49
- P121 课时114 RNN与情感分类问题实战-加载IMDB数据集10:42
- P122 课时115 RNN与情感分类问题实战-单层RNN Cell10:31
- P123 课时116 RNN与情感分类问题实战-网络训练9:43
- P124 课时117 RNN与情感分类问题实战-多层RNN Cel9:54
- P125 125 - lstm-113:11
- P126 126 - lstm-26:49
- P127 127 - LSTM实战11:51
- P128 课时118 梯度弥散与梯度爆炸13:38
- P129 【12.Auto-Encoders】课时119 无监督学习10:8
- P130 课时120 Auto-Encoders原理10:15
- P131 课时121 Auto-Encoders变种10:18
- P132 课时122 Adversarial Auto-Encoders10:12
- P133 课时123 Variational Auto-Encoders引入10:2
- P134 课时124 Reparameterization Trick10:41
- P135 课时125 Variational Auto-Encoders原理11:2
- P136 课时126 Auto-Encoders实战-创建编解码器9:24
- P137 课时127 Auto-Encoders实战-训练9:22
- P138 课时128 Auto-Encoders实战-测试9:22
- P139 课时129 VAE实战-创建网络9:27
- P140 课时130 VAE实战-KL Divergence计算12:42
- P141 课时131 VAE实战-训练与测试11:46
- P142 课时132 数据的分布9:
- P143 课时133 画家的成长历程13:5
- P144 课时134 GAN原理10:3
- P145 课时135 纳什均衡-D9:58
- P146 课时136 纳什均衡-G13:43
- P147 课时137 JS散度的缺陷16:37
- P148 课时138 EM距离9:58
- P149 课时139 WGAN-GP原理16:23
- P150 课时140 GAN实战-110:21
- P151 课时141 GAN实战-210:
- P152 课时142 GAN实战-310:11
- P153 课时143 GAN实战-411:1
- P154 课时144 GAN实战-58:34
- P155 课时145 GAN实战-67:43
- P156 课时146 WGAN实战-111:8
- P157 课时147 WGAN实战-29:46
- P158 课时148 生物神经元结构4:7
- P159 课时149 感知机的提出10:8
- P160 课时150 BP神经网络10:8
- P161 课时151 CNN和LSTM的发明10:20
- P162 课时152 人工智能低谷10:8
- P163 课时153 深度学习的诞生10:14
- P164 课时154 深度学习的爆发12:14
- P165 课时155 权值的表示10:6
- P166 课时156 多层感知机的实现10:19
- P167 课时157 BP神经网络前向传播10:7
- P168 课时158 BP神经网络反向传播-110:11
- P169 课时159 BP神经网络反向传播-210:7
- P170 课时160 BP神经网络反向传播-310:19
- P171 课时161 多层感知机的训练10:25
- P172 课时162 多层感知机的测试12:7
- P173 课时163 实战小结7:14
什么是机器学习 人工神经网络 神经网络实现 神经网络分类 CNN - 简介 CNN - 工作原理 CNN - Mnist数据集 RNN - 介绍 RNN - 工作原理 RNN - 时间序列 RNN - LSTM RNN - 练习 RNN Vs CNN TensorFlow - 简介 TensorFlow - 安装步骤 TensorFlow - 人工智能 TensorFlow - 数学基础 TensorFlow - 基础知识 TensorFlow - 卷积神经网络 TensorFlow - 递归神经网络 TensorFlow - TensorBoard可视化 TensorFlow - 单词嵌入 TensorFlow - 单层感知器 TensorFlow - 线性回归 TensorFlow - TFLearn安装 TensorFlow - Keras TensorFlow - 分布式计算 TensorFlow - 导出模块 TensorFlow - 多层感知器学习 TensorFlow - 感知器的隐藏层 TensorFlow - 优化器 TensorFlow - XOR实现 TensorFlow - 梯度下降优化 TensorFlow - 形成图 TensorFlow - 图像识别
NumPy中的右矩阵划分，还有比NP.linalg.inv()更好的方法吗？
Python中的函数中是否有充分的理由接受float而不接受int？
如何使用Python中的clinicalTrials.gov API获取完整结果？
实现的差异取决于计算出的表达是直接返回还是首先存储在变量中然...
用gekko解决的ADE方程系统突然不再工作，错误消息异常：@错误：...
如何使用没有Selenium的Python在百思买着陆页面上处理国家/地区...
如何在图片中找到这个化学测试条？OpenCV精明边缘检测不会绘制边...
如何调整spaCy token 化器，以便在德国模型中将数字拆分为行末端...
Python多处理：当我在一个巨大的pandas数据框架上启动许多进程时...