零基础AI实战:深度学习与PyTorch从入门到精通课程

  • 夸克网盘 2025最新大模型学习全套资料

    2025最新大模型学习全套资料
    2025最新大模型学习全套资料
  • 迅雷云盘 黑马博学谷AI大模型训练营1期

    黑马博学谷AI大模型训练营1期
    黑马博学谷AI大模型训练营1期
  • 百度网盘 黑马博学谷AI大模型训练营1期

    黑马博学谷AI大模型训练营1期
    黑马博学谷AI大模型训练营1期
  • 夸克网盘 强化学习必修课:开启人工智能新征程

    强化学习必修课:开启人工智能新征程
    强化学习必修课:开启人工智能新征程
  • 百度网盘 DeepSeek 全栈学习:从入门到精通的 AI 实战指南

    DeepSeek 全栈学习:从入门到精通的 AI 实战指南
    DeepSeek 全栈学习:从入门到精通的 AI 实战指南
  • 夸克网盘 2023年AI行业报告与头部博主AI课程汇总

    2023年AI行业报告与头部博主AI课程汇总
    2023年AI行业报告与头部博主AI课程汇总
  • 夸克网盘 700+编程语言学习PDF合集:涵盖60多种语言,从入门到精通

    700+编程语言学习PDF合集:涵盖60多种语言,从入门到精通
    700+编程语言学习PDF合集:涵盖60多种语言,从入门到精通
  • 夸克网盘 AI风向标:《AI与视频制作全攻略:从入门到精通》实战课程

    AI风向标:《AI与视频制作全攻略:从入门到精通》实战课程
    AI风向标:《AI与视频制作全攻略:从入门到精通》实战课程
  • 夸克网盘 60多门编程语言学习书籍超级大合集:700多本PDF实用宝典

    60多门编程语言学习书籍超级大合集:700多本PDF实用宝典
    60多门编程语言学习书籍超级大合集:700多本PDF实用宝典
  • 夸克网盘 极客时间-AI全栈开发实战营(完结)

    极客时间-AI全栈开发实战营(完结)
    极客时间-AI全栈开发实战营(完结)
  • 百度网盘 AI时代学霸养成:思维升级与高效学习法课程

    AI时代学霸养成:思维升级与高效学习法课程
    AI时代学霸养成:思维升级与高效学习法课程
  • 夸克网盘 某大学出版社1416册图书资源 [PDF]

    某大学出版社1416册图书资源 [PDF]
    某大学出版社1416册图书资源 [PDF]
  • 夸克网盘 零基础AI编程:从开发到产品变现指南

    零基础AI编程:从开发到产品变现指南
    零基础AI编程:从开发到产品变现指南
  • 百度网盘 Deepseek 2025零基础AI编程入门课:8天掌握核心技能

    Deepseek 2025零基础AI编程入门课:8天掌握核心技能
    Deepseek 2025零基础AI编程入门课:8天掌握核心技能
  • 夸克网盘 DeepSeek写小说指令合集:创意写作必备

    DeepSeek写小说指令合集:创意写作必备
    DeepSeek写小说指令合集:创意写作必备

零基础AI实战:深度学习与PyTorch从入门到精通课程本课程专为零基础学员打造,是深入学习AI领域的优质选择。课程围绕深度学习与PyTorch展开,内容丰富且全面。从神经网络基础讲起,逐步深入,涵盖卷积神经网络、RNN、注意力机制等高级主题。同时,详细介绍PyTorch框架的安装与应用,帮助学员快速上手。

课程通过大量实战案例,让学员参与构建、训练和优化AI模型的全过程,掌握数据处理、模型训练和结果分析的技能。无论是对神经网络整体架构的详细拆解,还是对卷积计算流程的演示,都能让学员扎实掌握理论知识,并能灵活应用于实际项目。

如果你希望快速踏入AI领域,将所学应用于实际项目,那么这门课程非常适合你。它将为你开启AI学习的大门,助力你在AI领域不断探索前行。

📢 以下文件由夸克网盘用户于2024-10-05分享(文件数量过多时仅展示部分文件)
零基础AI入门实战 (深度学习+Pytorch)2.92GB
001-课程介绍.mp489.3MB
002-1-神经网络要完成的任务分析.mp433.97MB
003-2-模型更新方法解读.mp421.63MB
004-3-损失函数计算方法.mp428.57MB
005-4-前向传播流程解读.mp422.56MB
006-5-反向传播演示.mp422.66MB
007-6-神经网络整体架构详细拆解.mp443.76MB
008-7-神经网络效果可视化分析.mp461.31MB
009-8-神经元个数的作用.mp422.59MB
010-9-预处理与dropout的作用.mp432.22MB
011-1-卷积神经网络概述分析.mp440.19MB
012-2-卷积要完成的任务解读.mp427.94MB
013-3-卷积计算详细流程演示.mp459.98MB
014-4-层次结构的作用.mp420.9MB
015-5-参数共享的作用.mp420.04MB
016-6-池化层的作用与效果.mp433.28MB
017-7-整体网络结构架构分析.mp446.17MB
018-8-经典网络架构概述.mp444.49MB
019-1-RNN网络结构原理与问题.mp417.37MB
020-2-注意力结构历史故事介绍.mp432.15MB
021-3-self-attention要解决的问题.mp426.5MB
022-4-QKV的来源与作用.mp427.32MB
023-5-多头注意力机制的效果.mp429.07MB
024-6-位置编码与解码器.mp428.88MB
025-7-整体架构总结.mp426.54MB
026-8-BERT训练方式分析.mp419.06MB
027-1-PyTorch框架与其他框架区别分析.mp433.67MB
028-2-CPU与GPU版本安装方法解读.mp478.84MB
029-1-数据集与任务概述.mp439.06MB
030-2-基本模块应用测试.mp440.36MB
031-3-网络结构定义方法.mp451.04MB
032-4-数据源定义简介.mp433.32MB
033-5-损失与训练模块分析.mp435.74MB
034-6-训练一个基本的分类模型.mp444.08MB
035-7-参数对结果的影响.mp442.79MB
036-1-任务与数据集解读.mp434.34MB
037-2-参数初始化操作解读.mp439.52MB
038-3-训练流程实例.mp440.51MB
039-4-模型学习与预测.mp453.96MB
040-1-输入特征通道分析.mp438.9MB
041-2-卷积网络参数解读.mp428.27MB
042-3-卷积网络模型训练.mp449.51MB
043-1-任务分析与图像数据基本处理.mp436.6MB
044-2-数据增强模块.mp439.06MB
045-3-数据集与模型选择.mp436.18MB
046-4-迁移学习方法解读.mp442.47MB
047-5-输出层与梯度设置.mp453.8MB
048-6-输出类别个数修改.mp443.77MB
049-7-优化器与学习率衰减.mp444.11MB
050-8-模型训练方法.mp444.56MB
051-9-重新训练全部模型.mp441.78MB
052-10-测试结果演示分析.mp499.73MB
053-4-实用Dataloader加载数据并训练模型.mp458.27MB
054-1-Dataloader要完成的任务分析.mp428.63MB
055-2-图像数据与标签路径处理.mp442.04MB
056-3-Dataloader中需要实现的方法分析.mp443.4MB
057-1-数据集与任务目标分析.mp441.96MB
058-2-文本数据处理基本流程分析.mp452.02MB
059-3-命令行参数与DEBUG.mp432.8MB
060-4-训练模型所需基本配置参数分析.mp438.21MB
061-5-预料表与字符切分.mp430.05MB
062-6-字符预处理转换ID.mp432.17MB
063-7-LSTM网络结构基本定义.mp431.71MB
064-8-网络模型预测结果输出.mp435.63MB
065-9-模型训练任务与总结.mp440.98MB
066-1-基本结构与训练好的模型加载.mp418.97MB
067-2-服务端处理与预测函数.mp440.03MB
068-3-基于Flask测试模型预测结果.mp440.69MB
069-1-视觉transformer要完成的任务解读.mp430.2MB
070-1-项目源码准备.mp441.74MB
071-2-源码DEBUG演示.mp431.47MB
072-3-Embedding模块实现方法.mp442.08MB
073-4-分块要完成的任务.mp434.79MB
074-5-QKV计算方法.mp439.92MB
075-6-特征加权分配.mp439.65MB
076-7-完成前向传播.mp436.92MB
077-8-损失计算与训练.mp445.44MB
共77个文件,合计:2.92GB
夸克网盘