└─ 进击算法工程师深度学习课程 ->
  ├─ 017.4-7 分类问题.mp4 - 23.1M
  ├─ 096.16-1 InstructGPT模型.mp4 - 77M
  ├─ 007.3-1 CUDA+Anaconda深度学习环境搭建.mp4 - 11.8M
  ├─ 100.16-5 下一步学习的建议.mp4 - 18.5M
  ├─ 026.5-8 模型文件的读写.mp4 - 16.5M
  ├─ 016.4-6 线性回归代码实现.mp4 - 23.1M
  ├─ 001.1-1 课程内容和理念.mp4 - 41.8M
  ├─ 031.6-5 随机梯度下降法.mp4 - 20.6M
  ├─ 006.2-3 概率.mp4 - 29.6M
  ├─ 087.14-3 迁移学习.mp4 - 31.8M
  ├─ 091.15-2 词义搜索和句意表示.mp4 - 44.8M
  ├─ 015.4-5 回归问题.mp4 - 35.6M
  ├─ 074.12-2 GPT系列模型.mp4 - 79.6M
  ├─ 083.13-5 Diffusion扩散模型.mp4 - 77.6M
  ├─ 097.16-2 CLIP模型.mp4 - 37.7M
  ├─ 014.4-4 多层感知机代码实现.mp4 - 29.3M
  ├─ 002.1-2 初识深度学习.mp4 - 26.7M
  ├─ 076.12-4 ViT模型.mp4 - 31M
  ├─ 089.14-5 项目实战:猫狗大战.mp4 - 64.1M
  ├─ 094.15-5 经典NLP数据集.mp4 - 36.4M
  ├─ 073.12-1BERT模型.mp4 - 50.2M
  ├─ 079.13-1 蒙特卡洛方法.mp4 - 28.5M
  ├─ 078.12-6 GPT模型代码实现.mp4 - 38M
  ├─ 012.4-2 多层感知机.mp4 - 24.3M
  ├─ 032.6-6 小批量梯度下降法.mp4 - 32M
  ├─ 021.5-3 过拟合和欠拟合示例.mp4 - 22.4M
  ├─ 077.12-5 Swin Transformer模型.mp4 - 54.9M
  ├─ 030.6-4 梯度下降.mp4 - 31.6M
  ├─ 004.2-1 线性代数.mp4 - 29.3M
  ├─ 088.14-4 经典视觉数据集.mp4 - 37.3M
  ├─ 086.14-2 图像数据增强.mp4 - 33.4M
  ├─ 082.13-4 生成对抗网络.mp4 - 39.9M
  ├─ 003.1-3 课程使用的技术栈.mp4 - 6.8M
  ├─ 081.13-3 变分自编码器.mp4 - 56.2M
  ├─ 020.5-2 过拟合欠拟合应对策略.mp4 - 41.2M
  ├─ 035.6-9 RMSProp_Adadelta算法.mp4 - 15.9M
  ├─ 024.5-6 Dropout代码实现.mp4 - 17.3M
  ├─ 084.13-6 图像生成.mp4 - 56.1M
  ├─ 029.6-3 损失函数性质.mp4 - 29.2M
  ├─ 099.16-4 深度学习最新发展趋势分析.mp4 - 37M
  ├─ 025.5-7 梯度消失和梯度爆炸.mp4 - 47.2M
  ├─ 008.3-2 conda实用命令.mp4 - 7.3M
  ├─ 023.5-5 Dropout.mp4 - 32.1M
  ├─ 037.6-11 梯度下降代码实现.mp4 - 30.9M
  ├─ 034.6-8 AdaGrad算法.mp4 - 24.8M
  ├─ 075.12-3 T5模型.mp4 - 37.8M
  ├─ 005.2-2 微积分.mp4 - 25.3M
  ├─ 071.11-6 Transformer模型.mp4 - 43.9M
  ├─ 080.13-2 变分推断.mp4 - 40.8M
  └─ 070.11-5 注意力池化及代码实现.mp4 - 29.6M

发表回复

后才能评论