黑马人工智能急速就业班 - 盘搜搜 - 百度网盘搜索神器
- file:9.2.7.5 硬件优化与模型部署 05-1讲解-第7章_7.1硬件优化与模型部署_3模型部署_part2_ev.mp4
- file:9.2.6.3 训练策略优化 22-1讲解-第6章_6.4训练策略优化_2Weight-tying_ev.mp4
- file:9.2.5.9 数据增强优化 17-1讲解-第6章_6.3数据增强优化_2回译数据法_part1_ev.mp4
- file:9.2.4.5 PGN+beam+Search的优化模型 08-1讲解-第6章_6.2Beam-search优化_1方法实现_part4_ev.mp4
- file:9.1.9.9 PGN数据处理 12-1讲解-第4章_4.2数据处理_3工具函数_part3_ev.mp4
- file:8.2.7.9 模型训练&部署2 9.1系统联调与测试-1开启服务-part1_ev.mp4
- file:8.2.7.5 模型训练&部署2 8.5模型训练-第6步和小节总结_ev.mp4
- file:8.1.7.9 NE模型训练 5.6NE模型使用-part2_ev.mp4
- file:8.1.6.5 BERT中文预训练模型及RNN模型构建 5.4构建RNN模型-part3_ev.mp4
- file:8.1.5.6 离线部分简要分析 5.2训练数据集_ev.mp4
- file:6.2.4.7 循环神经网络案例 96-循环神经网络-案例-小节_ev.mp4
- file:6.2.2.1 卷积神经网络案例 80-卷积神经网络-案例-图像分类-CIFAR10数据集_ev.mp4
- file:6.2.1.7 卷积神经网络基础 78-卷积神经网络-MaxPool2d使用_ev.mp4
- file:6.1.7.6 BP神经网络案例 70-神经网络基础-价格分类-网络模型调优_ev.mp4
- file:6.1.6.7 深度学习优化理论 64-神经网络基础-BN层理解_ev.mp4
- file:3.4.7.1 RFM总结 7 RFM案例应用&小结_ev.mp4
- file:3.4.5.2 会员价值度模型介绍 2 RFM案例背景介绍_ev.mp4
- file:3.4.4.3 Seaborn绘图 3 Seaborn多变量可视化_ev.mp4
- file:3.4.2.3 Matplotlib绘图 3 Matplotlib绘制统计图_ev.mp4
- file:3.4.1.1 Python数据可视化 1 Python数据可视化_ev.mp4
- file:3.3.9.6 数据分组 6 DataFrame分组对象_ev.mp4
- file:3.3.8.4 apply自定义函数 4 向量化函数&lambda函数_ev.mp4
- file:3.3.7.5 数据清洗 5 删除重复值_ev.mp4
- file:3.3.6.4 数据组合 4 concat其他用法_ev.mp4
- file:3.2.8.6 PyMySQL 11-PyMySQL小结_ev.mp4
- file:3.2.7.5 数据库三范式 05-ER模型与表间关系_ev.mp4
- file:3.2.6.6 SQL多表查询 30-子查询三步走_ev.mp4
- file:3.2.5.9 SQL聚合 24-DQL数据查询语言小结_ev.mp4
- file:3.2.5.7 SQL聚合 22-group by与having子句使用小结_ev.mp4
- file:3.1.6.1 Shell基础 23-Shell编程_ev.mp4
- file:3.1.5.9 Linux常用软件安装 14-MySQL8.0初始化与账号配置_ev.mp4
- file:3.1.5.14 Linux常用软件安装 19-集群环境准备之关闭防火墙&SELinux&修改hosts映射_ev.mp4
- file:3.1.4.5 Linux常用管理命令 05-sudo指令详解_ev.mp4
- file:2.2.1.9 Python爬虫实战 08-(扩展)flags标签说明_ev.mp4
- file:2.2.1.16 Python爬虫实战 15-(重点)使用Python爬虫爬取GDP数据_ev.mp4
分享时间 | 2022-06-30 |
---|---|
入库时间 | 2024-07-24 |
状态检测 | 有效 |
资源类型 | BDY |
分享用户 | shi*****e123 |
<p>这批视频是关于人工智能急速就业班的课程内容。课程涵盖了人工智能模型训练、模型部署、数据增强、模型优化、神经网络基础等内容。</p> <p>具体来说,视频内容包括:</p> <ul> <li>模型部署:讲解了三种模型部署方法,包括端侧部署、云端部署和混合部署。</li> <li>训练策略优化:介绍了Weight-tying和Scheduled-sampling两种训练策略优化方法。</li> <li>数据增强优化:重点讲解了回译数据法的数据增强优化方法。</li> <li>PGN+beam+Search的优化模型:讲解了PGN模型的架构和优化方法,包括beam-search优化方法。</li> <li>PGN数据处理:介绍了PGN模型的数据处理方法,包括数据预处理和数据转换。</li> <li>PGN架构解析:详细讲解了PGN模型的架构,包括编码器、解码器和注意力机制。</li> <li>模型训练与部署:讲解了模型训练和部署的流程和方法。</li> <li>BERT中文预训练模型及RNN模型构建:介绍了BERT中文预训练模型和RNN模型的构建方法。</li> <li>循环神经网络基础:介绍了循环神经网络的基础概念,包括RNN、LSTM和GRU。</li> <li>卷积神经网络基础:介绍了卷积神经网络的基础概念,包括卷积层、池化层和全连接层。</li> <li>卷积神经网络案例:介绍了卷积神经网络在图像分类任务中的应用。</li> </ul> <p>这些视频适合对人工智能感兴趣、想要学习人工智能模型训练和部署的人员观看。通过学习这些视频,可以掌握人工智能模型的训练、部署和优化方法,为从事人工智能相关工作打下基础。</p>
资源有问题?点此举报