【14121】-人工智能深度学习入门视频课程(上下篇)51cto
1-1深度学习要辉决的问题.mp4
1-2深度学习应用领域.mp4
1-3计算机视觉任务.mp4
1-4视觉任务中遇到的问题，mp4
1-5得分☒数.mp4
1-6损失巫数的作用.mp4
1-7前问传滑整体流程.mp4
2-1梯度下降通俗辉释（以线性回归算法为例，神经网络也是如此），m即4
2-2参数更新方法.mp4
2-3优化参数设置.mp4
2-4返向传福计算方法.mp4
2-5神经网络整体架构.mp4
2-6神经网络架构细节.mp4
2-7神经元个数对结果的影彩响.mp4
2-8正则化与激活☒数.mp4
2-9神经网络过拟合解决方法.mp4
3-1神经网络整体框架述，mp4
3-10完成全部送代更新模块.mp4
3-11手写字体识别数据集，mp4
3-12算法代码措误修正，mp4
3-13模型优化结果展示mp4
3-14测效果可视化展示，mp4
3-2参数初始化操作.mp4
3-3矩阵向星转换.mp4
3-4向是反变换，mp4
3-5完成前向传相模块.mp4
3-6损失巫数定义.mp4
3-7准备反向传擂迭代.mp4
3-8差异项i计算mp4
3-9逐层计算.mp4
资料.7z
人工智能深度学习入门视频课程（下篇）
人工智能深度学习入门视频课程（下篇）
1-1卷积神经网络应用领域mp4
1-10VGG网络架构.mp4
1-111残差网编Resnet.mp4
1-12RNN网络细节.mp4
1-13感受野的作用.mp4
1-2卷积的作用.mp4
1-3卷积特征值计算方法.mp4
1-4得到特征图表示.mp4
1-5步长与卷积核大小对结果的影响.mp4
1-6边缘填充方法.mp4
1-7特征图尺寸计算与参数共享.mp4
1-8池化层的作用.mp4
1-9整体网络架构.mp4
2-1NLP应用领域与任务简介.mp4
2-2情感分析-项目流程解读.mp4
2-3加载词向量特征.mp4
2-4正负样本数据读取.mp4
2-5构建1STM网络模型.mp4
2-6练与测则试效果.mp4
3-1词向县模型通俗解释.mp4、
3-2模型整体框架.mp4
3-3练数据构建，mp4
3-4CBOW与skip-gram模型.mp4
3-5负采样方案，mp4
