课时01

人工神经元与基本网络结构

更新时间：2026-07-31

课时02

Sigmoid激活函数与其导函数

更新时间：2026-07-31

课时03

Tanh和Relu激活函数与它们的导函数

更新时间：2026-07-31

课时04

单层神经网络以及与线性回归、逻辑回归、Softmax回归之间的关系

更新时间：2026-07-31

课时05

问题越复杂神经网络越深的原因

更新时间：2026-07-31

课时06

隐藏层中激活函数必须得是非线性函数

更新时间：2026-07-31

课时07

正向传播（Forward Propagation）

更新时间：2026-07-31

课时08

反向传播（Back Propagation）

更新时间：2026-07-31

课时09

引入Dropout可以防止过拟合

更新时间：2026-07-31

课时10

Dropout层实现逻辑和Inverted Dropout

更新时间：2026-07-31

课时11

梯度下降优化器在深度学习中的问题

更新时间：2026-07-31

课时12

Momentum与NesterovMomentum优化器

更新时间：2026-07-31

课时13

Adagrad优化器

更新时间：2026-07-31

课时14

RMSProp与Adam优化器

更新时间：2026-07-31

课时15

深度学习参数量大，二阶优化算法不适用

更新时间：2026-07-31

课时16

CUDA是深度学习框架与Nvidia显卡沟通的桥梁

更新时间：2026-07-31

课时17

首先确定自己是否需要安装CUDA以及安装CUDA的方式

更新时间：2026-07-31

课时18

pip安装和conda安装的区别_是否需要注意CUDA的版本

更新时间：2026-07-31

课时19

操作系统中安装CUDA

更新时间：2026-07-31

课时20

cuDNN的安装_环境变量的配置

更新时间：2026-07-31

课时21

创建Python项目_与TensorFlow运行环境关联

更新时间：2026-07-31

课时22

加载数据集_定义神经网络结构

更新时间：2026-07-31

课时23

打印定义的模型结构_调用模型进行预测

更新时间：2026-07-31

课时24

将对数几率转换为概率_定义多分类损失函数

更新时间：2026-07-31

课时25

模型真正的训练和评估

更新时间：2026-07-31

课时26

Sequential模型套模型的使用方式

更新时间：2026-07-31

课时27

添加数据归一化提高准确率_通过Dataset构建训练集和测试集

更新时间：2026-07-31

课时28

通过自定义类来定义模型结构

更新时间：2026-07-31

课时29

定义训练时一次迭代所需要的逻辑

更新时间：2026-07-31

课时30

定义测试模型的逻辑_分轮次分批次的完成最终训练

更新时间：2026-07-31

课时31

PyTorch项目创建与开发环境搭建

更新时间：2026-07-31

课时32

读取MNIST数据集并进行归一化

更新时间：2026-07-31

课时33

求解标准归一化需要用到的数据集均值和标准差

更新时间：2026-07-31

课时34

通过自定义类来构建模型

更新时间：2026-07-31

课时35

定义训练模型的逻辑和测试模型的逻辑

更新时间：2026-07-31

课时36

最终分轮次分批次的训练

更新时间：2026-07-31