购买
¥119.00
开通超级会员免费学
抽豪礼
深度学习与PyTorch实战-
共44节
14393人学习
唐宇迪
课程详情
喜欢
播放页问题反馈
深度学习与PyTorch实战
神经网络原理解读与整体架构分析
卷积神经网络解读
PyTorch框架实战神经网络
PyTorch图像识别实战
RNN与word2vec模型
BERT模型解读
BERT训练与对抗生成网络
BERT原理解读(重录清晰版)
1-BERT任务目标概述
2-传统解决方案遇到的问题
3-注意力机制的作用
4-self-attention计算方法
5-特征分配与softmax机制
6-Multi-head的作用
7-位置编码与多层堆叠
8-transformer整体架构梳理
9-BERT模型训练方法
10-训练实例
BERT源码解读
1-BERT开源项目简介
2-项目参数配置
3-数据读取模块
4-数据预处理模块
5-tfrecord数据源制作
6-Embedding层的作用
7-加入额外编码特征
8-加入位置编码特征
9-mask机制的作用
10-构建QKV矩阵
11-完成Transformer模块构建
12-训练BERT模型
MaskRcnn源码解读
Mask-Rcnn开源项目简介
开源项目数据集
参数配置
FPN层特征提取原理解读
FPN网络架构实现解读
生成框比例设置
基于不同尺度特征图生成所有框
RPN层的作用与实现解读
候选框过滤方法
Proposal层实现方法
DetectionTarget层的作用
正负样本选择与标签定义
RoiPooling层的作用与目的
RorAlign操作的效果
整体框架回顾
订阅失败
深度学习与PyTorch实战
...
当前章节需购买后观看
开通超级会员免费看!专家精选系列课程,满足你从入门到精通!更有问答月卡免费送,你的问题有问必答!
提交答案
购买课程
扫码完成付费,可继续学习全部课程内容
加载中...
正在试验
后自动删除环境
关闭试验
继续试验
课程实验
本次实验时间已到期 00:00:00
程序员研修院
v1.1.0
一、播放器优化
修改播放器默认倍速设置,增加1.25倍速
调整目录展示形式,增加折叠/展开
优化播放器的使用体验,有播放问题可以点击播放页内的”反馈“提交问题
课件正在飞速打包中,请耐心等待几秒钟~