[动手写神经网络] 03 自定义 CNN 模型适配新的数据集 CIFAR10（适配+简单调参）
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
[动手写神经网络] 05 使用预训练 resnet18 提升 cifar10 分类准确率及误分类图像可视化分析
...
[动手写神经网络] 01 认识 pytorch 中的 dataset、dataloader（mnist、fashionmnist、cifar10）
...
[动手写神经网络] 04 使用预训练 vgg 提升 cifar10 分类准确率
...
[动手写神经网络] 06 自定义（kaggle）数据集（custom dataset）、Dataloader，及 train test valid 数据集拆分
...
【python 信号与系统】02 scipy.signal.convolve2d 二维（图像）卷积及其与 CNN 的区别
...
[pytorch 网络拓扑结构] 深入理解 nn.LayerNorm 的计算过程
...
[动手写神经网络] 08 WandB（weights & biases）深度学习调参利器
...
[动手写神经网络] 如何对数据集归一化（transforms.Normalize）以 mnist 数据集为例（mean=0.1307, std=0.3081）
...
[动手写神经网络] 02 逐行写代码 CNN pipeline 图像分类（模型结构、训练、评估）
...
[bert、t5、gpt] 10 知识蒸馏（knowledge distill）初步，模型结构及损失函数设计
...
【计算机视觉】cnn/maxpool 输入输出 shape 的变化与kernel size、pool size、stride size，padding=same
...
【python 运筹】约束满足规划问题 | CP-SAT solver | ortools | 自定义打印所有可行解的回调函数
...
[动手写神经网络] 如何设计卷积核（conv kernel）实现降2采样，以及初探vggnet/resnet 卷积设计思路（不断降空间尺度，升channel）
...
[pytorch 强化学习] 13 基于 pytorch 神经网络实现 policy gradient（REINFORCE）求解 CartPole
...
不愧是“KAN”爷！KAN+小波转换碾压传统深度神经网络！
...
[动手写神经网络] 如何对数据集（ImageNet） denormalize（inverse normalize）还原为原来的均值和标准差（mean/std）
...
[调包侠] 04 使用预训练模型进行图像特征向量提取（image feature extractor，img2vec）并进行相似性计算
...
[性能测试] 03 单 4090 BERT、GPT2、T5 TFLOPS 测试及对比 3090TI
...
[pytorch 强化学习] 10 从 Q Learning 到 DQN（experience replay 与 huber loss / smooth L1）
...
[动手写神经网络] 07 预训练 resnet 解决 kaggle weather dataset（validation dataset）的使用
...
【flask web 核心】03 前后端分离（传输 matplotlib 图像到前端），图像编码（base64）与数据传输（render_template）
...
[LLMs 实践] 19 llama2 源码分析 RoPE apply_rotary_emb 从绝对位置编码到相对位置编码
...
[pytorch 模型拓扑结构] 深入理解 nn.BatchNorm2d/3d
...
[动手写神经网络] 手动实现 Transformer Encoder
...
[pytorch 网络拓扑结构] 深度理解 nn.BatchNorm1d
...
[pytorch 神经网络拓扑结构] pad_sequence/pack_padded_sequence 时序模型如何处理不定长输入
...
[数值计算] 快速计算、秒算大数乘除运算，对数变换将乘除变为加减，再通过查表（logarithm table）获得10-99之间的对数值
...
【手推公式】xgboost自定义损失函数（cross entropy/squared log loss）及其一阶导数gradient二阶导数hessian
...
[模型拓扑接口] 经典 RNN 模型（一）模型参数及训练参数的介绍
...
[AI 核心概念及计算] 概率计算 01 pytorch 最大似然估计（MLE）伯努利分布的参数
...
[pytorch] [求导练习] 03 计算图（computation graph）及链式法则（chain rule）反向传播过程
...
[实战kaggle系列] 1. 使用 kaggle 命令行 api，进行数据集的下载
...
[强化学习基础 01] MDP 基础（概率转移，与POMDP、I-POMDP）
...
[pytorch 模型拓扑结构] 深入理解 nn.BCELoss 计算过程及 backward 及其与 CrossEntropyLoss 的区别与联系
...
[AI 核心概念及计算] 优化 01 梯度下降（gradient descent）与梯度上升（gradient ascent）细节及可视化分析
...
[[bert、t5、gpt] 03 AttentionHead 与 MultiHeadAttention
...
[数值计算] 快速计算、妙算对数，之对数表（logarithm table）的使用，如何将任意一个数转换为10-99，或0-0.99之间的可查表形式
...
[pytorch] torch.nn.Bilinear 计算过程与 einsum（爱因斯坦求和约定）
...
[蒙特卡洛方法] 04 重要性采样补充，数学性质及 On-policy vs. Off-policy
...
[DRL] 从 TRPO 到 PPO（PPO-penalty，PPO-clip）