V
主页
7.16 自然语言新进展-BERT
发布人
打开封面
下载高清视频
观看高清视频
视频下载器
7.15 自然语言新进展-ELMo
5.9 batch normalization
3.1贝叶斯原理+TFidf
6.11 迁移学习
5.7 过拟合现象-早停法
6.6 应用CNN对CIFAR-10分类
6.3 卷积层详解
7.6 simple RNN
7.4 循环神经网络词向量化
1.4.3 过拟合现象-正则项
5.4 Data augmentation数据增强
7.1 循环神经网络介绍
7.2 词的向量化表示
6.5 池化层详解
1.3 梯度下降算法代码实战
2.1绘制图形-matplot.pyplot.plot
7.11 文本生成项目-李白写诗
4.5 损失函数汇总
1.1机器学习简介
6.7 卷积层参数个数的计算1
7.12 双向LSTM
7.3 词的向量化表示2
7.17 GPT介绍
5.6 过拟合现象-由于模型结构复杂
7.10 RNN过拟合+多层LSTM
6.4 卷积神经网络总结
6.8 卷积层参数个数的计算2
1.7回归与分类+机器学习分类
2.4信息量信息熵的概念
2.1 sigmoid函数性质
1.3机器学习做什么
6.9 应用CNN对猫狗数据集分类
2.6 二元交叉熵函数求梯度
5.1 过拟合现象
3.6 多元交叉熵
2.10 逻辑回归知识点回顾
2.5 seaborn数据分析鸢尾花数据集
1.1线性回归详解
2.2 为什么MSE不能作为逻辑回归的损失函数?
5.10 CIFAR-10全连接神经网络实战