├── 06 第6周，神经网络和前向传播
│ ├── 84_【视频】课堂讲解，手写数字识别实验.vip
│ ├── 72_【视频】课堂讲解，卷积和卷积层中的运算.vip
│ ├── 83_【视频】11.实验，手写体数字识别实验.vip
│ ├── 82_【视频】10.实验，LeNet卷积神经网络.vip
│ ├── 79_【视频】7.LeNet卷积神经网络(上).vip
│ ├── 81_【视频】9.LeNet卷积神经网络(下).vip
│ ├── 80_【视频】8.LeNet卷积神经网络(中).vip
│ ├── 78_【视频】6.全连接层和输出层.vip
│ ├── 77_【视频】5.实验，pytorch实现卷积层.vip
│ ├── 75_【视频】3.多通道输入、输出和批量操作.vip
│ ├── 76_【视频】4.卷积神经网络的池化层.vip
│ ├── 74_【视频】2.卷积神经网络的特性.vip
│ ├── 71_【视频】11.实验，特征图的可视化(下).vip
│ ├── 70_【视频】10.实验，特征图的可视化(上).vip
│ ├── 73_【视频】1.卷积神经网络的结构.vip
│ ├── 69_【视频】9.特征图和感受野.vip
│ ├── 68_【视频】8.步幅，stride.vip
│ ├── 65_【视频】5.实验，卷积运算和图像边缘检测.vip
│ ├── 67_【视频】7.填充，padding.vip
│ ├── 66_【视频】6.实验，卷积核的学习和训练.vip
│ ├── 64_【视频】4.卷积和卷积层中的运算(下).vip
│ ├── 61_【视频】1.卷积神经网络的背景.vip
│ ├── 63_【视频】3.卷积和卷积层中的运算(上).vip
│ ├── 62_【视频】2.全连接网络的局限性.vip
├── 06 第5周，感知器和softmax回归
│ ├── 60_【直播】深度学习，第5周，感知器和softmax回归.vip
│ ├── 59_【视频】10.实验，梯度下降与softmax回归.vip
│ ├── 57_【视频】8.实验，softmax回归实现多分类.vip
│ ├── 56_【视频】7.多分类中的交叉熵损失函数.vip
│ ├── 58_【视频】9.softmax回归模型的数学原理.vip
│ ├── 55_【视频】6.多分类和softmax回归.vip
│ ├── 54_【视频】5.实验，感知器算法的实现.vip
│ ├── 53_【视频】4.权重更新的数学原理.vip
│ ├── 52_【视频】3.非线性分类和多层感知器.vip
│ ├── 51_【视频】2.感知器的学习算法.vip
│ ├── 50_【视频】1.感知器的基本概念.vip
├── 04 第4周，逻辑回归和正则化
│ ├── 49_【直播】深度学习，第4周，逻辑回归和正则化.vip
│ ├── 48_【视频】10.实验，pytorch实现逻辑回归.vip
│ ├── 47_【视频】9.实验，sklearn的逻辑回归模型.vip
│ ├── 46_【视频】8.L1和L2正则化优化.vip
│ ├── 44_【视频】6.实验，多项式特征.vip
│ ├── 45_【视频】7.模型过拟合与解决方法.vip
│ ├── 42_【视频】4.梯度下降求解逻辑回归.vip
│ ├── 43_【视频】5.实验，逻辑回归模型.vip
│ ├── 40_【视频】2.分类问题的决策边界.vip
│ ├── 41_【视频】3.逻辑回归的代价函数.vip
│ ├── 39_【视频】1.逻辑回归的基本概念.vip
├── 01 第1周，函数和梯度下降算法
│ ├── 15_【直播】深度学习，第1周，函数和梯度下降算法.vip
│ ├── 9_【视频】6.梯度的数学概念和性质.vip
│ ├── 8_【视频】5.多元函数求极值的数学方法.vip
│ ├── 6_【视频】3.导数和函数的极值点.vip
│ ├── 5_【视频】2.实验，函数图像的绘制.vip
│ ├── 7_【视频】4.多元函数和偏导数.vip
│ ├── 4_【视频】1.函数的基本概念.vip
│ ├── 14_【视频】11.实验，pytorch中的自动微分.vip
│ ├── 11_【视频】8.实验，梯度下降算法的实现.vip
│ ├── 13_【视频】10.实验，pytorch框架中的张量.vip
│ ├── 12_【视频】9.模型迭代和学习速率.vip
│ ├── 10_【视频】7.梯度下降的算法原理.vip
├── 02 第2周，一元线性回归
│ ├── 26_【直播】深度学习，第2周，一元线性回归.vip
│ ├── 25_【视频】10.实验，等高线与三维图形的绘制.vip
│ ├── 24_【视频】9.实验，pytorch实现一元线性回归.vip
│ ├── 23_【视频】8.实验，sklearn和kaggle数据实验.vip
│ ├── 22_【视频】7.实验，一元线性回归的模型训练.vip
│ ├── 21_【视频】6.一元线性回归的求解方法.vip
│ ├── 20_【视频】5.线性回归的代价函数.vip
│ ├── 19_【视频】4.回归模型的预测误差.vip
│ ├── 17_【视频】2.数据集和特征的表示.vip
│ ├── 18_【视频】3.一元线性回归模型的表示.vip
│ ├── 16_【视频】1.线性回归的基本概念.vip
├── 03 第3周，矩阵和多元线性回归
│ ├── 38_【直播】深度学习，第3周，矩阵和多元线性回归.vip
│ ├── 37_【视频】11.实验，标准方程方法.vip
│ ├── 35_【视频】9.标准方程方法的数学表示.vip
│ ├── 36_【视频】10.标准方程方法的推导过程.vip
│ ├── 34_【视频】8.单位矩阵与求解逆矩阵.vip
│ ├── 32_【视频】6.实验，sklearn的线性回归模型.vip
│ ├── 33_【视频】7.矩阵的基本概念和运算.vip
│ ├── 30_【视频】4.特征缩放的算法设计.vip
│ ├── 31_【视频】5.实验，特征缩放.vip
│ ├── 27_【视频】1.多元线性回归的整体概述.vip
│ ├── 29_【视频】3.实验，多元线性回归.vip
│ ├── 28_【视频】2.梯度下降求解多元线性回归.vip
├── 00 预习
│ ├── 3_【视频】3.深度学习环境的安装和配置.vip
│ ├── 2_【视频】2.深度学习算法的基本概述.vip
│ ├── 1_【视频】1.欢迎来到深度学习训练营.vip
主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网
