V
主页
5.9 batch normalization
发布人
打开封面
下载高清视频
观看高清视频
视频下载器
6.11 迁移学习
6.8 卷积层参数个数的计算2
6.7 卷积层参数个数的计算1
1.4.3 过拟合现象-正则项
1.2梯度下降算法
7.1 循环神经网络介绍
1.5 波士顿房价线性回归实战
5.6 过拟合现象-由于模型结构复杂
5.1 过拟合现象
6.10 经典CNN网络:VGG,ResNet,Inception
7.8 LSTM长短记忆循环神经网络
2.2 为什么MSE不能作为逻辑回归的损失函数?
7.10 RNN过拟合+多层LSTM
6.1. 神经网络优化知识回顾mp4
2.4信息量信息熵的概念
6.3 卷积层详解
3.6 多元交叉熵
7.16 自然语言新进展-BERT
4.5 损失函数汇总
2.6 二元交叉熵函数求梯度
1.3 梯度下降算法代码实战
1.1机器学习简介
5.4 Data augmentation数据增强
2.8 逻辑回归项目(泰坦尼克号)实战详解
7.4 循环神经网络词向量化
1.6线性回归知识总结
6.6 应用CNN对CIFAR-10分类
7.15 自然语言新进展-ELMo
3.1 softmax函数性质
4.1 全连接神经网络
1.7回归与分类+机器学习分类
2.5. 信息量-信息熵-KL散度-交叉熵
2.7 二元交叉熵代码实战讲解
2.1 sigmoid函数性质
3.2 softmax代码详解
7.11 文本生成项目-李白写诗
4.4 全连接神经网络总结
1.10单元一真假纸币分类代码讲解1
5.7 过拟合现象-早停法
2.3 二元交叉熵-MSE与BinaryCrossEntropy对比