├──001.1-1 课程内容和理念.mp4 52.23M
├──002.1-2 初识深度学习.mp4 52.86M
├──003.1-3 课程使用的技术栈.mp4 12.65M
├──004.2-1 线性代数.mp4 56.44M
├──005.2-2 微积分.mp4 49.04M
├──006.2-3 概率.mp4 59.21M
├──007.3-1 CUDA+Anaconda深度学习环境搭建.mp4 20.94M
├──008.3-2 conda实用命令.mp4 13.03M
├──009.3-3 Jupyter Notebook快速上手.mp4 15.54M
├──010.3-4 深度学习库PyTorch安装.mp4 9.01M
├──011.4-1 神经网络原理.mp4 44.83M
├──012.4-2 多层感知机.mp4 47.25M
├──013.4-3 前向传播和反向传播.mp4 39.52M
├──014.4-4 多层感知机代码实现.mp4 29.34M
├──015.4-5 回归问题.mp4 35.59M
├──016.4-6 线性回归代码实现.mp4 23.14M
├──017.4-7 分类问题.mp4 23.05M
├──018.4-8 多分类问题代码实现.mp4 42.84M
├──019.5-1 训练的常见问题.mp4 33.80M
├──020.5-2 过拟合欠拟合应对策略.mp4 41.17M
├──021.5-3 过拟合和欠拟合示例.mp4 22.37M
├──022.5-4 正则化.mp4 42.24M
├──023.5-5 Dropout.mp4 32.08M
├──024.5-6 Dropout代码实现.mp4 17.32M
├──025.5-7 梯度消失和梯度爆炸.mp4 47.20M
├──026.5-8 模型文件的读写.mp4 16.50M
├──027.6-1 最优化与深度学习.mp4 48.05M
├──028.6-2 损失函数.mp4 42.80M
├──029.6-3 损失函数性质.mp4 29.22M
├──030.6-4 梯度下降.mp4 31.56M
├──031.6-5 随机梯度下降法.mp4 20.63M
├──032.6-6 小批量梯度下降法.mp4 32.04M
├──033.6-7 动量法.mp4 25.04M
├──034.6-8 AdaGrad算法.mp4 24.77M
├──035.6-9 RMSProp_Adadelta算法.mp4 15.89M
├──036.6-10 Adam算法.mp4 47.07M
├──037.6-11 梯度下降代码实现.mp4 30.92M
├──038.6-12 学习率调节器.mp4 27.91M
├──039.7-1 全连接层问题.mp4 38.55M
├──040.7-2 图像卷积.mp4 34.77M
├──041.7-3 卷积层.mp4 44.83M
├──042.7-4 卷积层常见操作.mp4 35.21M
├──043.7-5 池化层Pooling.mp4 33.64M
├──044.7-6 卷积神经网络代码实现（LeNet）.mp4 27.22M
├──045.8-1 AlexNet.mp4 49.57M
├──046.8-2 VGGNet.mp4 47.71M
├──047.8-3 批量规范化.mp4 23.62M
├──048.8-4 GoogLeNet.mp4 40.98M
├──049.8-5 ResNet.mp4 65.01M
├──050.8-6 DenseNet.mp4 58.47M
├──051.9-1 序列建模.mp4 30.32M
├──052.9-2 文本数据预处理.mp4 60.04M
├──053.9-3 循环神经网络.mp4 48.25M
├──054.9-4 随时间反向传播算法.mp4 43.86M
├──055.9-5 循环神经网络代码实现.mp4 27.84M
├──056.9-6 RNN的长期依赖问题.mp4 37.66M
├──057.10-1 深度循环神经网络.mp4 24.18M
├──058.10-2 双向循环神经网络.mp4 25.84M
├──059.10-3 门控循环单元.mp4 28.59M
├──060.10-4 长短期记忆网络.mp4 43.06M
├──061.10-5 复杂循环神经网络代码实现.mp4 35.82M
├──062.10-6 编码器-解码器网络.mp4 41.10M
├──063.10-7 序列到序列模型代码实现.mp4 32.96M
├──064.10-8 束搜索算法.mp4 25.71M
├──065.10-9 机器翻译简单代码实现.mp4 39.34M
├──066.11-1 什么是注意力机制.mp4 43.37M
├──067.11-2 注意力的计算.mp4 57.52M
├──068.11-3 键值对注意力和多头注意力.mp4 24.14M
├──069.11-4 自注意力机制.mp4 30.16M
├──070.11-5 注意力池化及代码实现.mp4 29.63M
├──071.11-6 Transformer模型.mp4 43.91M
├──072.11-7 Transformer代码实现.mp4 38.00M
├──073.12-1BERT模型.mp4 50.18M
├──074.12-2 GPT系列模型.mp4 79.60M
├──075.12-3 T5模型.mp4 37.76M
├──076.12-4 ViT模型.mp4 31.02M
├──077.12-5 Swin Transformer模型.mp4 54.91M
├──078.12-6 GPT模型代码实现.mp4 37.95M
├──079.13-1 蒙特卡洛方法.mp4 28.52M
├──080.13-2 变分推断.mp4 40.75M
├──081.13-3 变分自编码器.mp4 56.20M
├──082.13-4 生成对抗网络.mp4 39.85M
├──083.13-5 Diffusion扩散模型.mp4 77.56M
├──084.13-6 图像生成.mp4 56.13M
├──085.14-1 自定义数据加载.mp4 48.72M
├──086.14-2 图像数据增强.mp4 33.44M
├──087.14-3 迁移学习.mp4 31.80M
├──088.14-4 经典视觉数据集.mp4 37.27M
├──089.14-5 项目实战：猫狗大战.mp4 64.10M
├──090.15-1 词嵌入和word2vec.mp4 33.25M
├──091.15-2 词义搜索和句意表示.mp4 44.83M
├──092.15-3 预训练模型.mp4 55.01M
├──093.15-4 Hugging Face库介绍.mp4 36.40M
├──094.15-5 经典NLP数据集.mp4 36.42M
├──095.15-6 项目实战：电影评论情感分析.mp4 35.74M
├──096.16-1 InstructGPT模型.mp4 76.99M
├──097.16-2 CLIP模型.mp4 37.65M
├──098.16-3 DALL-E模型.mp4 54.33M
├──099.16-4 深度学习最新发展趋势分析.mp4 37.03M
└──100.16-5 下一步学习的建议.mp4 18.52M