零基础AI入门实战 (深度学习+Pytorch)

<h2>课程信息</h2> <p>一套关于深度学习和PyTorch入门的课程，涵盖了深度学习的核心概念和PyTorch框架的使用方法，助学习者在AI领域迅速提升自己的技能水平。</p> <p style="text-align: center"> <img decoding="async" alt="零基础AI入门实战 (深度学习+Pytorch)" src="https://www.063060.com/uploads/attach/202604/56f69275222c8220cb36bf610a3e4414.jpg" title="零基础AI入门实战 (深度学习+Pytorch)插图"></p> <p></p> <h2>课程目录</h2> <pre>├── 001-课程介绍.mp4 89.30M ├── 002-1-神经网络要完成的任务分析.mp4 33.97M ├── 003-2-模型更新方法解读.mp4 21.63M ├── 004-3-损失函数计算方法.mp4 28.57M ├── 005-4-前向传播流程解读.mp4 22.56M ├── 006-5-反向传播演示.mp4 22.66M ├── 007-6-神经网络整体架构详细拆解.mp4 43.76M ├── 008-7-神经网络效果可视化分析.mp4 61.31M ├── 009-8-神经元个数的作用.mp4 22.59M ├── 010-9-预处理与dropout的作用.mp4 32.22M ├── 011-1-卷积神经网络概述分析.mp4 40.19M ├── 012-2-卷积要完成的任务解读.mp4 27.94M ├── 013-3-卷积计算详细流程演示.mp4 59.98M ├── 014-4-层次结构的作用.mp4 20.90M ├── 015-5-参数共享的作用.mp4 20.04M ├── 016-6-池化层的作用与效果.mp4 33.28M ├── 017-7-整体网络结构架构分析.mp4 46.17M ├── 018-8-经典网络架构概述.mp4 44.49M ├── 019-1-RNN网络结构原理与问题.mp4 17.37M ├── 020-2-注意力结构历史故事介绍.mp4 32.15M ├── 021-3-self-attention要解决的问题.mp4 26.50M ├── 022-4-QKV的来源与作用.mp4 27.32M ├── 023-5-多头注意力机制的效果.mp4 29.07M ├── 024-6-位置编码与解码器.mp4 28.88M ├── 025-7-整体架构总结.mp4 26.54M ├── 026-8-BERT训练方式分析.mp4 19.06M ├── 027-1-PyTorch框架与其他框架区别分析.mp4 33.67M ├── 028-2-CPU与GPU版本安装方法解读.mp4 78.84M ├── 029-1-数据集与任务概述.mp4 39.06M ├── 030-2-基本模块应用测试.mp4 40.36M ├── 031-3-网络结构定义方法.mp4 51.04M ├── 032-4-数据源定义简介.mp4 33.32M ├── 033-5-损失与训练模块分析.mp4 35.74M ├── 034-6-训练一个基本的分类模型.mp4 44.08M ├── 035-7-参数对结果的影响.mp4 42.79M ├── 036-1-任务与数据集解读.mp4 34.34M ├── 037-2-参数初始化操作解读.mp4 39.52M ├── 038-3-训练流程实例.mp4 40.51M ├── 039-4-模型学习与预测.mp4 53.96M ├── 040-1-输入特征通道分析.mp4 38.90M ├── 041-2-卷积网络参数解读.mp4 28.27M ├── 042-3-卷积网络模型训练.mp4 49.51M ├── 043-1-任务分析与图像数据基本处理.mp4 36.60M ├── 044-2-数据增强模块.mp4 39.06M ├── 045-3-数据集与模型选择.mp4 36.18M ├── 046-4-迁移学习方法解读.mp4 42.47M ├── 047-5-输出层与梯度设置.mp4 53.80M ├── 048-6-输出类别个数修改.mp4 43.77M ├── 049-7-优化器与学习率衰减.mp4 44.11M ├── 050-8-模型训练方法.mp4 44.56M ├── 051-9-重新训练全部模型.mp4 41.78M ├── 052-10-测试结果演示分析.mp4 99.73M ├── 053-4-实用Dataloader加载数据并训练模型.mp4 58.27M ├── 054-1-Dataloader要完成的任务分析.mp4 28.63M ├── 055-2-图像数据与标签路径处理.mp4 42.04M ├── 056-3-Dataloader中需要实现的方法分析.mp4 43.40M ├── 057-1-数据集与任务目标分析.mp4 41.96M ├── 058-2-文本数据处理基本流程分析.mp4 52.02M ├── 059-3-命令行参数与DEBUG.mp4 32.80M ├── 060-4-训练模型所需基本配置参数分析.mp4 38.21M ├── 061-5-预料表与字符切分.mp4 30.05M ├── 062-6-字符预处理转换ID.mp4 32.17M ├── 063-7-LSTM网络结构基本定义.mp4 31.71M ├── 064-8-网络模型预测结果输出.mp4 35.63M ├── 065-9-模型训练任务与总结.mp4 40.98M ├── 066-1-基本结构与训练好的模型加载.mp4 18.97M ├── 067-2-服务端处理与预测函数.mp4 40.03M ├── 068-3-基于Flask测试模型预测结果.mp4 40.69M ├── 069-1-视觉transformer要完成的任务解读.mp4 30.20M ├── 070-1-项目源码准备.mp4 41.74M ├── 071-2-源码DEBUG演示.mp4 31.47M ├── 072-3-Embedding模块实现方法.mp4 42.08M ├── 073-4-分块要完成的任务.mp4 34.79M ├── 074-5-QKV计算方法.mp4 39.92M ├── 075-6-特征加权分配.mp4 39.65M ├── 076-7-完成前向传播.mp4 36.92M └── 077-8-损失计算与训练.mp4 45.44M </pre>