V
主页
京东 11.11 红包
2.1 深度学习要解决的问题
发布人
打开封面
下载高清视频
观看高清视频
视频下载器
2.8 反向传播计算方法
3.3 卷积特征值的计算方法
3.12 感受野的作用
3.8 池化层的作用
2.13 神经网络过拟合解决方法
2.6 损失函数的介绍
1.4 IOU指标计算
2.19 tf.data模块解读
2.20 模型保存与读取实例
2.18 分类模型构建
1.5 评估所需参数计算
2.4 视觉任务中遇到的问题
1.6 map指标计算
3.7 特征图尺寸计算与参数共享
3.11 残差网络resnet
2.14 任务目标与数据集介绍
1.4 tf基本操作展示
2.16 网络模型训练
2.11 神经元个数对网络的影响
3.6 边缘填充方法
3.2 卷积的作用
4.1 猫狗识别任务与数据简介
01对抗生成网络原理概述
2.2 深度学习应用领域
1.3 不同阶段算法优缺点
1.1课程内容与风格介绍
2.7 前向传播整体流程
2.9 神经网络整体架构
1.2 检测任务中阶段的意义
4.6 图像数据变换
2.17 模型超参数调节与预测结果展示
3.5 步长与卷积核大小对结果的影响
3.9 整体网络架构
4.5 数据增强概述
注意:内容系AI生成,请仔细辨别。
强推!【强化学习】零基础入门!一口气学完深度强化学习零基础入门视频教程全套课程!PPO算法/DQN算法/A3C (人工智能基础、深度学习、机器学习、图像处理)
26集全!B站目前唯一能将【量化交易】讲清楚的教程!用AI从零开始打造你的交易机器人!大数据量化交易/机器学习/Python金融分析
B站强推!2024公认最通俗易懂的【Transformer】教程,125集付费课程(附资料)神经网络_注意力机制_深度学习_BERT_大模型
06-tensorflow高阶API-estimator实例2
4.7 猫狗图像识数据增强效果展示