p01 1.神经网络结构搜索 (1_3)_ 基本概念和随机搜索

课程目录
课程简介
  • p01 1.神经网络结构搜索 (1_3)_ 基本概念和随机搜索
    10:40
  • p02 2.神经网络结构搜索 (2_3)_ RNN RL Neural Arch
    24:06
  • p03 3.神经网络结构搜索 (3_3)_ 可微方法 Differentiable
    23:47
  • p04 4.并行计算与机器学习(1_3)（中文） Parallel Computing
    25:24
  • p05 5.并行计算与机器学习(2_3)（中文） Parallel Computing
    17:24
  • p06 6.并行计算与机器学习(3_3)（中文） Parallel Computing
    24:54
  • p07 7.联邦学习：技术角度的讲解（中文）Introduction to Federa
    37:00
  • p08 8.Transformer模型(1_2)_ 剥离RNN，保留Attention
    24:06
  • p09 9.Transformer模型(2_2)_ 从Attention层到Transf
    14:32
  • p10 10.Vision Transformer (ViT) 用于图片分类
    13:08
  • p11 11.RNN模型与NLP应用(1_9)：数据处理基础
    10:56
  • p12 12.RNN模型与NLP应用(2_9)：文本处理与词嵌入
    16:11
  • p13 13.RNN模型与NLP应用(3_9)：Simple RNN模型
    20:49
  • p14 14.RNN模型与NLP应用(4_9)：LSTM模型
    13:01
  • p15 15.RNN模型与NLP应用(5_9)：多层RNN、双向RNN、预训练(
    12:15
  • p16 16.RNN模型与NLP应用(6_9)：Text Generation (自动文(Av888217369,P16)
    23:23
  • p17 17.RNN模型与NLP应用(7_9)：机器翻译与Seq2Seq模型(Av888217369,P17)
    19:36
  • p18 18.RNN模型与NLP应用(8_9)：Attention (注意力机制)(Av888217369,P18)
    16:50
  • p19 19.RNN模型与NLP应用(9_9)：Self-Attention (自注意力(Av888217369,P19)
    07:16

自动创建，来源于视频导入任务

Section outline