深度学习进阶:算法与应用

课程介绍

课程章节

  • 1.基本概念清晰版
  • 2.软件包安装和环境配置总述
  • 3.环境配置分部详解
  • 4.环境配置分部详解下
  • 5.手写数字识别
  • 6.神经网络基本结构及梯度下降算法
  • 7.随机梯度下降算法
  • 8.梯度下降算法实现上
  • 9.梯度下降算法实现下
  • 10.神经网络手写数字演示
  • 11.Backpropagation算法上
  • 12.Backpropagation算法下
  • 13.Backpropagation算法实现
  • 14.cross-entropy函数
  • 15.Softmax和Overfitting
  • 16.Regulization
  • 17.Regulazition和Dropout
  • 18.正态分布和初始化(修正版)
  • 19.提高版本的手写数字识别实现
  • 20.神经网络参数hyper-parameters选择
  • 21.深度神经网络中的难点
  • 22.用ReL解决VanishingGradient问题
  • 23.ConvolutionNerualNetwork算法
  • 24.ConvolutionNeuralNetwork实现上
  • 25.ConvolutionNeuralNetwork实现下
  • 26.Restricted Boltzmann Machine
  • 27.Restricted Boltzmann Machine下
  • 28.Deep Brief Network 和 Autoencoder

更多教程

教程不断整理更新中,以上截图仅供参考,如需了解更多视频教程的详细信息请到如下地址查看:

教程分类说明https://itvideos.github.io/categories/

获取方式

关于教程、获取方式、温馨提示

坚持原创技术分享,您的支持将鼓励我继续创作!