V
主页
66 使用注意力机制的seq2seq【动手学深度学习v2】
发布人
动手学深度学习 v2 - 从零开始介绍深度学习算法和代码实现 课程主页:https://courses.d2l.ai/zh-v2/ 教材:https://zh-v2.d2l.ai/
打开封面
下载高清视频
观看高清视频
视频下载器
67 自注意力【动手学深度学习v2】
68 Transformer【动手学深度学习v2】
65 注意力分数【动手学深度学习v2】
17 使用和购买 GPU【动手学深度学习v2】
60 机器翻译数据集【动手学深度学习v2】
48 全连接卷积神经网络 FCN【动手学深度学习v2】
Seq2Seq注意力机制算法详解
44 物体检测算法:R-CNN,SSD,YOLO【动手学深度学习v2】
57 长短期记忆网络(LSTM)【动手学深度学习v2】
64 注意力机制【动手学深度学习v2】
54 循环神经网络 RNN【动手学深度学习v2】
51 序列模型【动手学深度学习v2】
59 双向循环神经网络【动手学深度学习v2】
62 序列到序列学习(seq2seq)【动手学深度学习v2】
29 残差网络 ResNet【动手学深度学习v2】
15 实战:Kaggle房价预测 + 课程竞赛:加州2020年房价预测【动手学深度学习v2】
58 深层循环神经网络【动手学深度学习v2】
69 BERT预训练【动手学深度学习v2】
41 物体检测和数据集【动手学深度学习v2】
35 分布式训练【动手学深度学习v2】
11 模型选择 + 过拟合和欠拟合【动手学深度学习v2】
29.2 ResNet为什么能训练出1000层的模型【动手学深度学习v2】
10 多层感知机 + 代码实现 - 动手学深度学习v2
12 权重衰退【动手学深度学习v2】
23 经典卷积神经网络 LeNet【动手学深度学习v2】
19 卷积层【动手学深度学习v2】
53 语言模型【动手学深度学习v2】
28 批量归一化【动手学深度学习v2】
70 BERT微调【动手学深度学习v2】
注意力机制的本质|Self-Attention|Transformer|QKV矩阵
09 Softmax 回归 + 损失函数 + 图片分类数据集【动手学深度学习v2】
04 数据操作 + 数据预处理【动手学深度学习v2】
06 矩阵计算【动手学深度学习v2】
08 线性回归 + 基础优化算法【动手学深度学习v2】
63 束搜索【动手学深度学习v2】
37 微调【动手学深度学习v2】
07 自动求导【动手学深度学习v2】
52 文本预处理【动手学深度学习v2】
61 编码器-解码器架构【动手学深度学习v2】
PyTorch深度学习快速入门教程(绝对通俗易懂!)【小土堆】