0基础 AI入门实战(深度学习+Pytorch) 通俗易懂0基础入门案例实战跨专业提升⭐0基础 AI入门实战（深度学习+Pytorch）通俗易懂\0基础入门\案例实战\跨专业提升

└─ 0基础 AI入门实战(深度学习+Pytorch) 通俗易懂0基础入门案例实战跨专业提升 ->
　 ├─ 注意：部分视频含有水印，请勿相信 ->
　 ├─ 034-6-训练一个基本的分类模型.mp4 - 44.1M
　 ├─ 009-8-神经元个数的作用.mp4 - 22.6M
　 ├─ 026-8-BERT训练方式分析.mp4 - 19.1M
　 ├─ 013-3-卷积计算详细流程演示.mp4 - 60M
　 ├─ 040-1-输入特征通道分析.mp4 - 38.9M
　 ├─ 036-1-任务与数据集解读.mp4 - 34.3M
　 ├─ 050-8-模型训练方法.mp4 - 44.6M
　 ├─ 038-3-训练流程实例.mp4 - 40.5M
　 ├─ 030-2-基本模块应用测试.mp4 - 40.4M
　 ├─ 042-3-卷积网络模型训练.mp4 - 49.5M
　 ├─ 049-7-优化器与学习率衰减.mp4 - 44.1M
　 ├─ 041-2-卷积网络参数解读.mp4 - 28.3M
　 ├─ 043-1-任务分析与图像数据基本处理.mp4 - 36.6M
　 ├─ 031-3-网络结构定义方法.mp4 - 51M
　 ├─ 004-3-损失函数计算方法.mp4 - 28.6M
　 ├─ 051-9-重新训练全部模型.mp4 - 41.8M
　 ├─ 053-4-实用Dataloader加载数据并训练模型.mp4 - 58.3M
　 ├─ 035-7-参数对结果的影响.mp4 - 42.8M
　 ├─ 048-6-输出类别个数修改.mp4 - 43.8M
　 ├─ 047-5-输出层与梯度设置.mp4 - 53.8M
　 ├─ 039-4-模型学习与预测.mp4 - 54M
　 ├─ 044-2-数据增强模块.mp4 - 39.1M
　 ├─ 015-5-参数共享的作用.mp4 - 20M
　 ├─ 037-2-参数初始化操作解读.mp4 - 39.5M
　 ├─ 025-7-整体架构总结.mp4 - 26.5M
　 ├─ 033-5-损失与训练模块分析.mp4 - 35.7M
　 ├─ 075-6-特征加权分配.mp4 - 39.7M
　 ├─ 074-5-QKV计算方法.mp4 - 39.9M
　 ├─ 067-2-服务端处理与预测函数.mp4 - 40M
　 ├─ 007-6-神经网络整体架构详细拆解.mp4 - 43.8M
　 ├─ 070-1-项目源码准备.mp4 - 41.7M
　 ├─ 019-1-RNN网络结构原理与问题.mp4 - 17.4M
　 ├─ 017-7-整体网络结构架构分析.mp4 - 46.2M
　 ├─ 002-1-神经网络要完成的任务分析.mp4 - 34M
　 ├─ 028-2-CPU与GPU版本安装方法解读.mp4 - 78.8M
　 ├─ 068-3-基于Flask测试模型预测结果.mp4 - 40.7M
　 ├─ 014-4-层次结构的作用.mp4 - 20.9M
　 ├─ 065-9-模型训练任务与总结.mp4 - 41M
　 ├─ 008-7-神经网络效果可视化分析.mp4 - 61.3M
　 ├─ 022-4-QKV的来源与作用.mp4 - 27.3M
　 ├─ 071-2-源码DEBUG演示.mp4 - 31.5M
　 ├─ 016-6-池化层的作用与效果.mp4 - 33.3M
　 ├─ 077-8-损失计算与训练.mp4 - 45.4M
　 ├─ 076-7-完成前向传播.mp4 - 36.9M
　 ├─ 032-4-数据源定义简介.mp4 - 33.3M
　 ├─ 006-5-反向传播演示.mp4 - 22.7M
　 ├─ 073-4-分块要完成的任务.mp4 - 34.8M
　 ├─ 010-9-预处理与dropout的作用.mp4 - 32.2M
　 └─ 069-1-视觉transformer要完成的任务解读.mp4 - 30.2M