课程试听
正在播放
第一章 深度学习基础
1-1 深度学习介绍
  • 01_深度学习课程介绍
  • 02_深度学习介绍
  • 03_深度学习介绍2
1-2 神经网络基础
  • 01_逻辑回归介绍
  • 02_逻辑回归损失函数
  • 03_梯度下降算法过程以及公式
  • 04_导数意义介绍
  • 05_a^2函数的导数介绍
  • 06_导数计算图与链式法则
  • 07_逻辑回归的导数计算图分析以及参数导数
  • 08_向量化编程介绍引入
  • 09_向量化编程的优势
  • 10_向量化实现逻辑回归的梯度计算更新
  • 11_正向传播与反向传播、作业介绍
  • 12_作业讲解题1:实现sigmoid函数与梯度实现
  • 13_作业讲解题2:单神经元神经网络(logistic)分类作业流程介绍
  • 14_作业讲解题2:参数初始化与前向传播、反向传播
  • 15_作业讲解题2:优化迭代实现、model逻辑实现
  • 16_总结
1-3 浅层神经网络
  • 01_浅层神经网络表示
  • 02_浅层神经网络的前向传播
  • 03_激活函数的选择
  • 04_浅层神经网络的反向传播
  • 05_作业介绍
  • 06_作业实现:初始化模型与前向传播
  • 07_作业实现:反向传播与更新梯度
  • 08_作业实现:网络模型逻辑实现
  • 09_总结
1-4 深层神经网络
  • 01_深层神经网络表示
  • 02_深层神经网络的反向传播过程
  • 03_参数初始化与超参数介绍
第二章 深度学习优化进阶
2-1 多分类
  • 01_深度学习紧接、多分类介绍
  • 02_交叉熵损失原理
  • 03_案例:Mnist手写数字数据介绍
  • 04_案例:网络结构、流程、代码介绍
  • 05_案例:主网络结构搭建实现
  • 06_案例:添加准确率
  • 07_案例:Tensorboard观察显示
  • 08_案例:添加模型保存、预测
  • 09_调整学习率带来的问题
2-2 梯度下降算法优化
  • 01_深度学习遇到问题、为什么需要优化算法
  • 02_Mini梯度下降与Batch梯度下降
  • 03_指数加权平均
  • 04_动量梯度下降原理公式理解
  • 05_RMSProp与Adam原理与学习率递减
  • 06_标准化输入带来的优化
  • 07_作业介绍
  • 08_作业讲解1
  • 09_作业讲解2
2-3 深度学习正则化
  • 01_深度学习偏差与方差介绍为、什么需要正则化
  • 02_正则化概念、L2正则化与L1正则化
  • 03_Droupout过程与原理理解
  • 04_其它正则化方法-早停止法与数据增强
  • 05_正则化作业介绍
  • 06_作业讲解1
  • 07_作业讲解2
2-4 神经网络调参与BN
  • 01_神经网络调参数技巧与如何设置参数、如何运行
  • 02_批标准化定义、公式、为什么有效
第三章 卷积神经网络
3-1 卷积网络原理
  • 01_卷积来源、数据量与感受野的边缘检测
  • 02_卷积网络结构介绍
  • 03_默认卷积的运算过程
  • 04_零填充
  • 05_过滤器大小与步长
  • 06_多通道的卷积与多卷积核
  • 07_卷积总结
  • 08_池化层
  • 09_全连接层
3-2 经典分类结构
  • 01_LeNet5的计算过程详解
  • 02_常见网络结构介绍
  • 03_Inception(1x1卷积介绍)
  • 04_Inception结构以及改进
  • 05_GoogleNet了解与卷积网络学习内容
3-3 CNN实战
  • 01_作业介绍
  • 02_作业讲解
  • 03_迁移学习
第四章 循环神经网络
4-1 循环神经网络
  • 01_循环神经网络背景介绍
  • 02_循环神经网络结构原理
  • 03_词的表示与矩阵形状运算
  • 04_交叉熵损失计算
  • 05_时间反向传播算法
  • 06_梯度消失、案例介绍
  • 07_手写RNN案例:单个cell前向传播
  • 08_手写RNN案例:所有cell的前向传播
  • 09_手写RNN案例:单个cell的反向传播
  • 10_手写RNN案例:所有cell的反向传播
  • 11_案例总结
  • 12_GRU与LSTM介绍
4-2 词嵌入
  • 01_词嵌入介绍
  • 02_词嵌入案例
4-3 seq2seq与Attention机制
  • 01_seq2seq介绍与理解
  • 02_seq2seq机器翻译等场景介绍分析
  • 03_Attention原理分析
  • 04_机器翻译案例:日期格式翻译转换、代码结构介绍
  • 05_机器翻译案例:模型参数定义
  • 06_机器翻译案例:数据获取以及数据格式转换介绍
  • 07_机器翻译案例:训练逻辑与网络结构介绍
  • 08_机器翻译案例:网络输入输出逻辑介绍
  • 09_机器翻译案例:网络输入输出逻辑编写.mp4
  • 10_机器翻译案例:自定义网络seq2seq的编解码器定义.mp4
  • 11_机器翻译案例:seq2seq的输出层定义.mp4
  • 12_机器翻译案例:attention结构定义.mp4
  • 13_机器翻译案例:model中计算attention输出c逻辑函数实现.mp4
  • 14_机器翻译案例:训练逻辑编写
  • 15_机器翻译案例:训练结果与问题解决.mp4
  • 16_机器翻译案例:测试逻辑结果演示.mp4
  • 17_集束搜索介绍
  • 18_BLEU自动评估方法原理介绍
第五章 高级主题
5-1 生成对抗网络
  • 01_高级主题介绍、GAN介绍
  • 02_GAN原理、损失和DCGAN结构
  • 03_生成数字图片案例:结果演示流程介绍
  • 04_生成数字图片案例:模型初始化代码编写
  • 05_生成数字图片案例:训练流程
  • 06_生成数字图片案例:运行保存图片并对比
5-2 自动编码器
  • 01_自动编码器介绍
  • 02_案例:编码器类别、普通自编码器流程、模型初始化逻辑
  • 03_案例:训练普通自编码器
  • 04_案例:深度自编码器编写演示
  • 05_案例:卷积自编码器编写演示
  • 06_案例:降噪编码器介绍
  • 07_案例:降噪编码器案例
5-3 CapsuleNet
  • 01_CapsuleNet了解
  • 02_深度学习课程总结