课程目标:
该系列课程是MXNet 团队联合将门创投,开设的一门零基础、着重动手实践的深度学习在线直播课程。课程内容将基于李沐等人的开源教程《动手学深度学习》(英文版为 Deep Learning – The Straight Dope),并使用 Apache MXNet 的最新前端 Gluon 作为开发工具,在动手实践的过程中学会使用简单易读的代码写出产品级的应用。
课程截图:
〖课程目录〗:
- | └──2、最新动手学深度学习MXNet
- | | ├──1.01 【第01课】从上手到多类分类【www.ko996.com】.mp4 248.83M
- | | ├──10.10 【第10课】循环神经网络【www.ko996.com】.mp4 153.91M
- | | ├──11.11 【第11课】正向传播、反向传播和通过时间反向传播【www.ko996.com】.mp4 137.70M
- | | ├──12.12 【第12课】实现、训练和应用循环神经网络【www.ko996.com】.mp4 154.71M
- | | ├──13.13 【第13课】门控循环单元(GRU)长短期记忆(LSTM)多层循环神经【www.ko996.com】.mp4 144.28M
- | | ├──14.14 【第14课】词向量(word2vec)【www.ko996.com】.mp4 137.59M
- | | ├──15.15 【第15课】GloVe、fastText和使用预训练的词向量【www.ko996.com】.mp4 149.57M
- | | ├──16.16 【第16课】seq2seq(编码器和解码器)和注意力机制【www.ko996.com】.mp4 136.60M
- | | ├──17.17 【第17课】应用seq2seq和注意力机制:机器翻译【www.ko996.com】.mp4 197.31M
- | | ├──2.02 【第02课】过拟合、多层感知机、GPU和卷积神经网络【www.ko996.com】.mp4 251.24M
- | | ├──3.03 【第03课】卷积神经网络,如何使用Gluon,以及核武器购买指南【www.ko996.com】.mp4 271.53M
- | | ├──4.04 【第04课】BatchNorm,更深的卷积神经网络,图片增强和新的Ka【www.ko996.com】.mp4 264.67M
- | | ├──5.05 【第05课】Gluon高级和优化算法基础【www.ko996.com】.mp4 257.18M
- | | ├──6.06 【第06课】优化算法高级和计算机视觉【www.ko996.com】.mp4 234.24M
- | | ├──7.07 【第07课】物体检测【www.ko996.com】.mp4 820.24M
- | | ├──8.08 【第08课】语义分割【www.ko996.com】.mp4 152.46M
- | | └──9.09 【第09课】样式迁移【www.ko996.com】.mp4 182.90M
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。