V
主页
[lecture 10a] RNN循环神经网络(RNN的基本形式,一对一,一对多,多对一,多对多的映射)
发布人
打开封面
下载高清视频
观看高清视频
视频下载器
【精校】AI提示词工程深入探讨| Anthropic官方圆桌 2024.9【中英字幕】
CMU《凸优化|CMU 10 725 Convex Optimization fall 2022, by Yuanzhi Li(仅找到17课)》中英字幕(豆包
[lecture 10b] RNN循环神经网络(RNN可理解性与可视化)
[lecture 10e] RNN循环神经网络(LSTM, GRU)
[lecture 4a] 神经网络和反向传播 cs231n(2021)
【动手学AI系列 2】AI写作文 / 对着图手撕RNN,从零开始手写循环神经网络实现训练AI写作文 (教程较长,看结果请拉到最后)
[lecture 10d] RNN循环神经网络(VQA 视觉问答)
[lecture 4b] 神经网络和反向传播 cs231n(2021)
[lecture 5] 卷积神经网络 cs231n(2021)
[lecture 7a] 神经网络的训练(激活函数,数据预处理,权重初始化) cs231n(2021)
[lecture 12d] 生成式模型(生成式对抗网络GAN)
[lecture 10c] RNN循环神经网络(Image captioning 图像描述)
[lecture 7b] 神经网络的训练(归一化,迁移学习)
[lecture 8b] 神经网络的训练(学习速率调节, dropout, 二阶优化, 数据增广, 超参数, 集成学习)
神经网络可视化 (saliency via backprop, guided backprop)
[Lecture 1b] 历史和概述 cs231n(2021)
[lecture 6] 深度学习硬件和软件 cs231n(2021)
[lecture 9d] CNN网络结构(Resnet残差网络)
【比刷剧还爽!】B站讲的最好的计算机视觉-目标追踪与姿态估计实战课程,全程通俗易懂!AI大佬手把手教你从理论到实战,不再走弯路!
自监督学习(simCLR)
还得看吴恩达!一口气讲透CNN、RNN、GAN、LSTM、YOLO、transformer等六大深度学习神经网路算法!真的不要太爽~(AI人工智能丨机器学习)
Transformer技术原理,论文讲解!带你秒懂Transformer底层逻辑原理!真的通俗易懂!(人工智能、深度学习、机器学习算法、神经网络、AI)
[lecture 11c] 注意力和transformer (从attention演变到self-attention)
[lecture 11b] 注意力和transformer (attention性别偏见较正,与NLP中的注意力比较)
检测和分割(语义分割)
[lecture 15b] 分割和检测(Localization, Selective search, R-CNN)
[lecture 15c] 分割和检测(Fast R-CNN, Faster R-CNN)
神经网络可视化 (Gradient ascend, in pixel space/latent space)
[lecture 3] 损失函数和优化方法 cs231n(2021)
[lecture 9e] CNN网络结构(SENet, ResNeXt, DenseNet, MobileNet, EfficientNet等)
[lecture 11e] 注意力和transformer (masked attention, multi-head attention)
[lecture 13a] 自监督学习(概述,pretext tasks)
[lecture 9a] CNN结构(Alexnet和ZFnet)
一口气!【MATLAB】学完神经网络、遗传算法、蚁群算法、模拟退火算法和粒子群优化算法!存下吧,真的比啃书好多了!人工智能/机器学习/深度学习/支持向量机
原来区别竟在这啊!迪哥全面解析在深度学习中的神经网络模型,3小时带你了解CNN、RNN、GNN原理及应用!
自监督学习(RotNet, Relative patch location, JigSaw puzzle )
目前B站最完整的【图神经网络从入门到精通】讲解,我居然20小时就学懂了GNN原理模型与应用,纯干货!超详细!看完血赚!神经网络深度学习/AI 人工智能
[lecture 12a] 生成式模型(生成式模型的分类学,显式和隐式的概率模型)
【课件+代码】李沐大神《动手学深度学习》2024最新视频教程,比啃书高效!比刷剧还爽!(人工智能丨深度学习丨神经网络)
[lecture 11f] 注意力和transformer (用于图像描述的transformer的encoder部分)