|
|
高清无加密，百度网盘下载，MP4格式直接播放。
课程介绍：
深度学习是当前人工智能热门的前沿技术，通过本门课程，你能了解到深度学习是什么，为什么强。学习到深度学习核心的算法原理是什么，以及深度学习如何应用在工程方面
目录：
1-1 课程—导学 (0742).mp4
1-2 课前准备 (2148).mp4
1-3 深度学习简介—-神经元 (1131).mp4
1-4 深度学习简介—-激励函数 (0733).mp4
1-5 深度学习简介—神经网络和深度神经网络 (0421).mp4
1-6 深度学习为什么这么强 (0339).mp4
1-7 深度学习的应用 (0227).mp4
2-1 网络结构 (0326).mp4
2-2 网络结构_代码部分 (1338).mp4
2-3 线性回归的训练--样本，开始训练 (0905).mp4
2-4 线性回归的训练--梯度下降法，一元凸函数 (0847).mp4
2-5 线性回归的训练--二元凸函数 (0654).mp4
2-6 神经网络的训练--前向传播 (0441).mp4
2-7 神经网络的训练--前向传播代码部分 (0727).mp4
2-8 神经网络的训练--反向传更新 (0535).mp4
2-9 神经网络的训练--反向传更新_代码部分 (1919).mp4
2-10 神经网络的训练--随机梯度下降 (0210).mp4
2-11 神经网络的训练--随机梯度下降代码部分 (0451).mp4
2-12 应用案例—-前馈神经网络代码的手写数字识别 (1346).mp4
3-1 并行计算 (0729).mp4
3-2 梯度消失问题 (0852).mp4
3-3 归一化 (0507).mp4
3-4 参数初始化问题 (0355).mp4
3-5 参数的初始化问题-代码实现 (0323).mp4
3-6 正则化 (1055).mp4
3-7 正则化-代码实现 (0153).mp4
3-8 学习率和dropout (0304).mp4
3-9 交叉熵 (0812).mp4
3-10 交叉熵-代码实现 (0636).mp4
3-11 模型的保存和加载及代码实现 (1127).mp4
3-12 应用案例—-提高版本的前馈神经网络代码的手写数字识别 (1516).mp4
4-1 与全连接网络的对比 (0514).mp4
4-2 全连接层GPU实现 代码实现 (2508).mp4
4-3 卷积核 (0608).mp4
4-4 卷积层其他参数 (0446).mp4
4-5 池化层 (0416).mp4
4-6 卷积池化层 代码实现 (0616).mp4
4-7 典型CNN网络 (0639).mp4
4-8 图片识别 (0434).mp4
4-9 softmax (0412).mp4
4-10 softmax层 代码实现 (0338).mp4
4-11 应用案例—-卷积神经网络代码的手写数字识别 (1805).mp4
5-1 tensorflow简介 (1514).mp4
5-2 如何选择好的框架：tensorflow的优势 (0630).mp4
5-3 多环境与集群支持 (0533).mp4
5-4 应用案例—-tensorflow版本的线性回归的实现 (1204).mp4
5-5 tensorboard (0539).mp4
5-6 tensorboard 使用演示 (0558).mp4
5-7 训练模型的加载与保存 (0646).mp4
5-8 应用案例—-tensorflow版本的手写数字识别 (1629).mp4
6-1 .简介 (0357).mp4
6-2 .tensorflow单GPU版本上 (1219).mp4
6-3 .tensorflow单GPU版本下 (1113).mp4
6-4 tensorflow多GPU版本 (0756).mp4
7-1 caffe应用对比（上） (1527).mp4
7-2 caffe应用对比（下） (1301).mp4
7-3 keras应用对比 (1644).mp4
8-1 课程总结_ (0354).mp4
coding-145-master.zip
下载地址
|
|
发表于 2025-6-9 01:13:34
发表于 2025-6-9 08:04:04
