📦 资源信息
网盘类型：夸克网盘
🔗 下载地址
夸克网盘点击下载
📁 文件列表
深度学习必修课：进击AI算法工程师
快照
下载📁 1 个文件夹📄 102 个文件💾 总大小: 3.76 GB
- 全网新闻媒体最全价格最低资源表www.adsxiu.com.xlsx6.01 MB
- 2000T热门资源分享.xlsx1.63 MB
- 094.15-5 经典NLP数据集.mp436.42 MB
- 052.9-2 文本数据预处理.mp460.04 MB
- 060.10-4 长短期记忆网络.mp443.06 MB
- 026.5-8 模型文件的读写.mp416.5 MB
- 008.3-2 conda实用命令.mp413.03 MB
- 020.5-2 过拟合欠拟合应对策略.mp441.17 MB
- 057.10-1 深度循环神经网络.mp424.18 MB
- 014.4-4 多层感知机代码实现.mp429.34 MB
- 054.9-4 随时间反向传播算法.mp443.86 MB
- 046.8-2 VGGNet.mp447.71 MB
- 065.10-9 机器翻译简单代码实现.mp439.34 MB
- 035.6-9 RMSProp_Adadelta算法.mp415.89 MB
- 002.1-2 初识深度学习.mp452.86 MB
- 027.6-1 最优化与深度学习.mp448.05 MB
- 100.16-5 下一步学习的建议.mp418.52 MB
- 085.14-1 自定义数据加载.mp448.72 MB
- 070.11-5 注意力池化及代码实现.mp429.63 MB
- 001.1-1 课程内容和理念.mp452.23 MB
- 007.3-1 CUDA+Anaconda深度学习环境搭建.mp420.94 MB
- 061.10-5 复杂循环神经网络代码实现.mp435.82 MB
- 076.12-4 ViT模型.mp431.02 MB
- 084.13-6 图像生成.mp456.13 MB
- 032.6-6 小批量梯度下降法.mp432.04 MB
- 010.3-4 深度学习库PyTorch安装.mp49.01 MB
- 086.14-2 图像数据增强.mp433.44 MB
- 049.8-5 ResNet.mp465.01 MB
- 063.10-7 序列到序列模型代码实现.mp432.96 MB
- 036.6-10 Adam算法.mp447.07 MB
- 078.12-6 GPT模型代码实现.mp437.95 MB
- 075.12-3 T5模型.mp437.76 MB
- 016.4-6 线性回归代码实现.mp423.14 MB
- 073.12-1BERT模型.mp450.18 MB
- 006.2-3 概率.mp459.21 MB
- 005.2-2 微积分.mp449.04 MB
- 037.6-11 梯度下降代码实现.mp430.92 MB
- 053.9-3 循环神经网络.mp448.25 MB
- 062.10-6 编码器-解码器网络.mp441.1 MB
- 047.8-3 批量规范化.mp423.62 MB
- 011.4-1 神经网络原理.mp444.83 MB
- 081.13-3 变分自编码器.mp456.2 MB
- 056.9-6 RNN的长期依赖问题.mp437.66 MB
- 069.11-4 自注意力机制.mp430.16 MB
- 040.7-2 图像卷积.mp434.77 MB
- 072.11-7 Transformer代码实现.mp438 MB
- 099.16-4 深度学习最新发展趋势分析.mp437.03 MB
- 093.15-4 Hugging Face库介绍.mp436.4 MB
- 050.8-6 DenseNet.mp458.47 MB
- 043.7-5 池化层Pooling.mp433.64 MB
- 017.4-7 分类问题.mp423.05 MB
- 091.15-2 词义搜索和句意表示.mp444.83 MB
- 051.9-1 序列建模.mp430.32 MB
- 087.14-3 迁移学习.mp431.8 MB
- 041.7-3 卷积层.mp444.83 MB
- 096.16-1 InstructGPT模型.mp476.99 MB
- 079.13-1 蒙特卡洛方法.mp428.52 MB
- 095.15-6 项目实战：电影评论情感分析.mp435.74 MB
- 074.12-2 GPT系列模型.mp479.6 MB
- 059.10-3 门控循环单元.mp428.59 MB
- 089.14-5 项目实战：猫狗大战.mp464.1 MB
- 042.7-4 卷积层常见操作.mp435.21 MB
- 088.14-4 经典视觉数据集.mp437.27 MB
- 018.4-8 多分类问题代码实现.mp442.84 MB
- 077.12-5 Swin Transformer模型.mp454.91 MB
- 068.11-3 键值对注意力和多头注意力.mp424.14 MB
- 012.4-2 多层感知机.mp447.25 MB
- 092.15-3 预训练模型.mp455.01 MB
- 082.13-4 生成对抗网络.mp439.85 MB
- 080.13-2 变分推断.mp440.75 MB
- 083.13-5 Diffusion扩散模型.mp477.56 MB
- 025.5-7 梯度消失和梯度爆炸.mp447.2 MB
- 009.3-3 Jupyter Notebook快速上手.mp415.54 MB
- 097.16-2 CLIP模型.mp437.65 MB
- 015.4-5 回归问题.mp435.59 MB
- 071.11-6 Transformer模型.mp443.91 MB
- 021.5-3 过拟合和欠拟合示例.mp422.37 MB
- 067.11-2 注意力的计算.mp457.52 MB
- 055.9-5 循环神经网络代码实现.mp427.84 MB
- 024.5-6 Dropout代码实现.mp417.32 MB
- 028.6-2 损失函数.mp442.8 MB
- 064.10-8 束搜索算法.mp425.71 MB
- 004.2-1 线性代数.mp456.44 MB
- 023.5-5 Dropout.mp432.08 MB
- 022.5-4 正则化.mp442.24 MB
- 090.15-1 词嵌入和word2vec.mp433.25 MB
- 048.8-4 GoogLeNet.mp440.98 MB
- 039.7-1 全连接层问题.mp438.55 MB
- 045.8-1 AlexNet.mp449.57 MB
- 031.6-5 随机梯度下降法.mp420.63 MB
- 033.6-7 动量法.mp425.04 MB
- 066.11-1 什么是注意力机制.mp443.37 MB
- 029.6-3 损失函数性质.mp429.22 MB
- 019.5-1 训练的常见问题.mp433.8 MB
- 003.1-3 课程使用的技术栈.mp412.65 MB
- 013.4-3 前向传播和反向传播.mp439.52 MB
- 098.16-3 DALL-E模型.mp454.33 MB
- 034.6-8 AdaGrad算法.mp424.77 MB
- 058.10-2 双向循环神经网络.mp425.84 MB
- 038.6-12 学习率调节器.mp427.91 MB
- 030.6-4 梯度下降.mp431.56 MB
- 044.7-6 卷积神经网络代码实现（LeNet）.mp427.22 MB
发表评论