李沐《动手学深度学习V2》:从零到实战的AI课程

  • 发布时间:
    2026-03-10 04:06:15
  • 文件大小:
    共计 680 个文件,合计:10.81GB
  • 资源来源:
    夸克网盘夸克网盘
  • 资源售价:
    积分10积分
  • 资源标签:
・本站会员获取资源无需消耗积分。
为防止资源链接失效,请及时转存文件。
  • 夸克网盘 Python学习宝典:139本精选书籍助你从入门到精通

    Python学习宝典:139本精选书籍助你从入门到精通
    Python学习宝典:139本精选书籍助你从入门到精通
  • 夸克网盘 2023 AI技术学习指南

    2023 AI技术学习指南
    2023 AI技术学习指南
  • 夸克网盘 60多门编程语言学习书籍超级大合集

    60多门编程语言学习书籍超级大合集
    60多门编程语言学习书籍超级大合集
  • 夸克网盘 AI大模型全栈工程师培养计划(第三期)——从零到就业,打造下一代AI核心人才

    AI大模型全栈工程师培养计划(第三期)——从零到就业,打造下一代AI核心人才
    AI大模型全栈工程师培养计划(第三期)——从零到就业,打造下一代AI核心人才
  • 夸克网盘 60多门编程语言学习书籍大合集:编程学习的丰富资源宝库

    60多门编程语言学习书籍大合集:编程学习的丰富资源宝库
    60多门编程语言学习书籍大合集:编程学习的丰富资源宝库
  • 夸克网盘 从零到AI专家:产品经理实战指南,掌握未来职场核心技能

    从零到AI专家:产品经理实战指南,掌握未来职场核心技能
    从零到AI专家:产品经理实战指南,掌握未来职场核心技能
  • 百度网盘 李尚龙财富增长与AI逆袭实战指南

    李尚龙财富增长与AI逆袭实战指南
    李尚龙财富增长与AI逆袭实战指南
  • 夸克网盘 从零到一:AI工具造富指南(文案专家篇)

    从零到一:AI工具造富指南(文案专家篇)
    从零到一:AI工具造富指南(文案专家篇)
  • 夸克网盘 AI行业内部绝密资料合集

    AI行业内部绝密资料合集
    AI行业内部绝密资料合集
  • 夸克网盘 2023年AI行业深度研究报告与工具包

    2023年AI行业深度研究报告与工具包
    2023年AI行业深度研究报告与工具包
  • 夸克网盘 编程开发课程合集:Python、Java、算法、Web等技术

    编程开发课程合集:Python、Java、算法、Web等技术
    编程开发课程合集:Python、Java、算法、Web等技术
  • 夸克网盘 AI小红书虚拟电商全链路实战课:从选品到变现的爆款打法

  • 百度网盘 从零到一学扣子Coze自动化:掌握插件、大模型与工作流,轻松应对复杂任务

    从零到一学扣子Coze自动化:掌握插件、大模型与工作流,轻松应对复杂任务
    从零到一学扣子Coze自动化:掌握插件、大模型与工作流,轻松应对复杂任务
  • 夸克网盘 黑派AiGC:轻松上手AI设计0基础到高阶课程

    黑派AiGC:轻松上手AI设计0基础到高阶课程
    黑派AiGC:轻松上手AI设计0基础到高阶课程
  • 夸克网盘 0基础掌握AI深度学习与PyTorch实战视频教程

    0基础掌握AI深度学习与PyTorch实战视频教程
    0基础掌握AI深度学习与PyTorch实战视频教程

李沐《动手学深度学习V2》:从零到实战的AI课程

《动手学深度学习V2》由李沐博士主讲,是一门涵盖深度学习从基础理论到实战应用的全方位课程。课程内容丰富,包含数据操作、线性代数、卷积神经网络、循环神经网络等核心知识点。通过学习这些内容,学员能系统掌握深度学习的理论基础。

课程的一大亮点是设置了多个实战项目,如Kaggle房价预测、图像分类等。这些实战项目让学员在实践中巩固所学知识,掌握深度学习的实际应用方法,提升解决实际问题的能力。

该课程适合初学者和进阶者。对于初学者,能帮助他们快速入门深度学习;对于进阶者,可进一步提升其在该领域的专业水平。课程还提供高清视频、代码实现和QA答疑,助力学员快速成为AI领域的专家。

📢 以下文件由夸克网盘用户于2024-10-09分享(文件数量过多时仅展示部分文件)
李沐-动手学深度学习V210.81GB
00 预告12.97MB
000pdf+src318.8MB
01 课程安排19.67MB
02 深度学习介绍77.14MB
03 安装99.15MB
04 数据操作 + 数据预处理90.75MB
05 线性代数104.74MB
06 矩阵计算35.77MB
07 自动求导61.45MB
08 线性回归 + 基础优化算法193.27MB
09 Softmax 回归 + 损失函数 + 图片分类数据集208.5MB
09A Windows 下安装 CUDA 和 Pytorch 跑深度学习29.3MB
09B 使用 AWS 最便宜的 GPU 实例30.02MB
10 多层感知机 + 代码实现243.33MB
10行代码战胜90%数据科学家?15MB
11 模型选择 + 过拟合和欠拟合344.84MB
12 权重衰退110.19MB
13 丢弃法181.76MB
14 数值稳定性 + 模型初始化和激活函数207.03MB
15 实战:Kaggle房价预测 + 课程竞赛:加州2020年房价预测79.45MB
16 PyTorch 神经网络基础175.8MB
17 使用和购买 GPU120.44MB
18 预测房价竞赛总结160.56MB
19 卷积层157.78MB
20 卷积层里的填充和步幅168.68MB
21 卷积层里的多输入多输出通道183.33MB
22 池化层99.89MB
23 经典卷积神经网络 LeNet262.27MB
24 深度卷积神经网络 AlexNet234.96MB
25 使用块的网络 VGG80.46MB
26 网络中的网络 NiN162.8MB
27 含并行连结的网络 GoogLeNet Inception V3208.81MB
28 批量归一化177.05MB
29 残差网络 ResNet125.55MB
29.2 ResNet为什么能训练出1000层的模型38.53MB
30 第二部分完结竞赛:图片分类25.77MB
31 深度学习硬件:CPU 和 GPU391.21MB
32 深度学习硬件:TPU和其他260.29MB
33 单机多卡并行43.74MB
34 多GPU训练实现216.74MB
35 分布式训练125.47MB
36 数据增广226.02MB
37 微调148.18MB
38 第二次竞赛 树叶分类结果25.37MB
39 实战 Kaggle 比赛:图像分类(CIFAR-10)200.65MB
40 实战 Kaggle 比赛:狗的品种识别(ImageNet Dogs)155.55MB
41 物体检测和数据集163.06MB
42 锚框226.51MB
43 树叶分类竞赛技术总结95.87MB
44 物体检测算法:R-CNN,SSD,YOLO229.09MB
45 SSD实现354.3MB
46 语义分割和数据集231.16MB
47 转置卷积127.02MB
47.2 转置卷积是一种卷积35.42MB
48 全连接卷积神经网络 FCN109.37MB
49 样式迁移131.79MB
50 课程竞赛:牛仔行头检测47.37MB
51 序列模型226.93MB
52 文本预处理86.6MB
53 语言模型191.67MB
54 循环神经网络 RNN117.48MB
55 循环神经网络 RNN 的实现338.12MB
56 门控循环单元(GRU)140.55MB
57 长短期记忆网络(LSTM)61.46MB
58 深层循环神经网络46.58MB
59 双向循环神经网络49.73MB
60 机器翻译数据集38.35MB
61 编码器-解码器架构23.21MB
62 序列到序列学习(seq2seq)186.03MB
63 束搜索40.1MB
64 注意力机制81.46MB
65 注意力分数101.66MB
66 使用注意力机制的seq2seq100.1MB
67 自注意力146.76MB
69 BERT预训练228.35MB
70 BERT微调125.76MB
71 目标检测竞赛总结79.54MB
72 优化算法155.28MB
73 课程总结和进阶学习【完结】112.91MB
共680个文件,合计:10.81GB
夸克网盘
资源评论 AUP主 M管理员
评分
{{ rating }}分