动手学深度学习V2

动手学深度学习

• 课时1：预告 (3分13秒)

• 课时2：课程安排 (8分8秒)

• 课时3：深度学习介绍 (13分34秒)

• 课时4：安装 (16分6秒)

• 课时5：数据操作 + 数据预处理 (4分41秒)

• 课时6：线性代数 (9分3秒)

• 课时7：矩阵计算 (12分38秒)

• 课时8：自动求导 (11分40秒)

• 课时9：线性回归 + 基础优化算法 (14分57秒)

• 课时10：Softmax 回归 + 损失函数 + 图片分类数据集 (10分26秒)

• 课时11：多层感知机 + 代码实现 (13分52秒)

• 课时12：模型选择 + 过拟合和欠拟合 (18分36秒)

• 课时13：权重衰退 (13分2秒)

• 课时14：丢弃法 (11分59秒)

• 课时15：数值稳定性 + 模型初始化和激活函数 (15分20秒)

• 课时16：实战：Kaggle房价预测 + 课程竞赛：加州2020年房价预测 (14分30秒)

• 课时17：PyTorch 神经网络基础 (13分27秒)

• 课时18：使用和购买 GPU (13分34秒)

• 课时19：预测房价竞赛总结 (16分38秒)

• 课时20：卷积层 (14分59秒)

• 课时21：卷积层里的填充和步幅 (14分7秒)

• 课时22：AutoGluon背后的技术 (3分47秒)

• 课时23：卷积层里的多输入多输出通道 (19分33秒)

• 课时24：池化层 (10分20秒)

• 课时25：经典卷积神经网络 LeNet (8分30秒)

• 课时26：深度卷积神经网络 AlexNet (35分15秒)

• 课时27：使用块的网络 VGG (9分3秒)

• 课时28：网络中的网络 NiN (10分54秒)

• 课时29：含并行连结的网络 GoogLeNet - Inception V3 (26分58秒)

• 课时30：批量归一化 (17分58秒)

• 课时31：残差网络 ResNet (14分9秒)

• 课时32：ResNet为什么能训练出1000层的模型 (8分21秒)

• 课时33：第二部分完结竞赛：图片分类 (6分36秒)

• 课时34：深度学习硬件：CPU 和 GPU (39分22秒)

• 课时35：深度学习硬件：TPU和其他 (29分18秒)

• 课时36：单机多卡并行 (6分58秒)

• 课时37：多GPU训练实现 (21分40秒)

• 课时38：分布式训练 (21分44秒)

• 课时39：数据增广 (12分48秒)

• 课时40：微调 (13分52秒)

• 课时41：第二次竞赛 树叶分类结果 (5分30秒)

• 课时42：实战 Kaggle 比赛：图像分类（CIFAR-10） (27分56秒)

• 课时43：实战 Kaggle 比赛：狗的品种识别（ImageNet Dogs） (19分8秒)

• 课时44：物体检测和数据集 (11分35秒)

• 课时45：锚框 (18分6秒)

• 课时46：树叶分类竞赛技术总结 (26分28秒)

• 课时47：物体检测算法：R-CNN，SSD，YOLO (42分4秒)

• 课时48：SSD实现 (9分56秒)

• 课时49：语义分割和数据集 (7分11秒)

• 课时50：转置卷积 (9分20秒)

• 课时51：转置卷积是一种卷积 (9分38秒)

• 课时52：全连接卷积神经网络FCN (4分22秒)

• 课时53：样式迁移 (4分57秒)

• 课时54：课程竞赛：牛仔行头检测 (11分3秒)

• 课时55：序列模型 (20分3秒)

• 课时56：文本预处理 (18分3秒)

• 课时57：语言模型 (16分17秒)

• 课时58：循环神经网络RNN (25分15秒)

• 课时59：循环神经网络RNN的实现 (48分34秒)

• 课时60：门控循环单元（GRU） (15分22秒)

• 课时61：长短期记忆网络（LTSM） (9分38秒)

• 课时62：深层循环神经网络 (3分22秒)

• 课时63：双向循环神经网路 (7分24秒)

• 课时64：机器翻译数据集 (10分15秒)

• 课时65：编码器-解码器架构 (3分32秒)

• 课时66：序列到序列学习（seq2seq） (12分34秒)

• 课时67：束搜索 (11分43秒)

• 课时68：注意力机制 (13分57秒)

• 课时69：注意力分数 (10分44秒)

• 课时70：使用注意力机制的seq2seq (10分14秒)

• 课时71：自注意力 (27分51秒)

• 课时72：Transformer (21分3秒)

• 课时73：BERT预训练 (21分50秒)

• 课时74：BERT微调 (9分44秒)

• 课时75：目标检测竞赛总结 (23分57秒)

• 课时76：优化算法 (34分3秒)

• 课时77：课程总结和进阶学习 (22分36秒)