1-1深度学习要解决的问题mp4
1-2深度学习应用领域mp4
1-3计算机视觉任务mp4
14视觉任务中遇到的问题mp4
1-5得分函数mp4
16损失函数的作用mp4
1-7前向传播整体流程mp4
21梯度下降通俗解释(以线性回归算法为例,神经网络也是如此)mp4
22参数更新方法mp4
2-3优化参数设置mp4
24返向传播计算方法mp4
2-5神经网络整体架构mp4
2-6神经网络架构细节mp4
2-7神经元个数对结果的影响mp4
28正则化与激活函数mp4
2-9神经网络过拟合解决方法mp4
31神经网络整体框架概述mp4
3-2参数初始化操作mp4
3-3矩阵向量转换mp4
34向最反变换mp4
3-5完成前向传播模块mp4
3-6损失函数定义mp4
3-7准备反向传播迭代mp4
3-8差异项计算mp4
3-9逐层计算mp4
3-10完成全部选代更新模块mp4
3-11手写字体识别数据集mp4
312算法代码错误修正mp4
2021-08-11 22:09:38
970.77MB
人工智能