登录
¥
支付方式
微信支付
支付宝支付
¥
请使用微信扫一扫 扫描二维码支付
¥
请使用支付宝扫一扫 扫描二维码支付
开通会员，立省70元
该课程已关闭
- 第1 章 ： 强化学习简介及其应用
- 免费 课时1：课程介绍 02:54
- 课时2：一张图通俗解释强化学习 04:47
- 课时3：强化学习的指导依据 07:07
- 课时4：强化学习AI游戏DEMO 04:48
- 课时5：应用领域简介 06:28
- 课时6：强化学习工作流程 05:48
- 课时7：计算机眼中的状态与行为 07:25
- 第2 章 ： PPO算法与公式推导
- 课时8：1-基本情况介绍 11:17
- 课时9：与环境交互得到所需数据 08:30
- 课时10：要完成的目标分析 10:40
- 课时11：策略梯度推导 09:01
- 课时12：baseline方法 06:10
- 课时13：OnPolicy与OffPolicy策略 07:44
- 课时14：importance sampling的作用 08:31
- 课时15：PPO算法整体思路解析 09:19
- 第3 章 ： PPO实战-月球登陆器训练实例
- 课时16：Critic的作用与效果 10:39
- 课时17：2-PPO2版本公式解读 11:45
- 课时18：参数与网络结构定义 08:04
- 课时19：得到动作结果 07:17
- 课时20：奖励获得与计算 08:08
- 课时21：参数迭代与更新 11:03
- 第4 章 ： Q-learning与DQN算法
- 课时22：算法原理通俗解读 07:11
- 课时23：目标函数与公式解析 10:07
- 课时24：Qlearning算法实例解读 07:45
- 课时25：Q值迭代求解 08:59
- 课时26：DQN简介 05:07
- 第5 章 ： DQN算法实例演示
- 课时27：整体任务流程演示 05:21
- 课时28：探索与action获取 06:58
- 课时29：计算target值 05:17
- 课时30：训练与更新 08:12
- 第6 章 ： DQN改进与应用技巧
- 课时31：DoubleDqn要解决的问题 06:47
- 课时32：DuelingDqn改进方法 06:26
- 课时33：Dueling整体网络架构分析 08:27
- 课时34：MultiSetp策略 03:45
- 课时35：连续动作处理方法 08:22
- 第7 章 ： Actor-Critic算法分析(A3C)
- 课时36：AC算法回顾与知识点总结 07:18
- 课时37：优势函数解读与分析 07:12
- 课时38：计算流程实例 05:50
- 课时39：A3C整体架构分析 06:01
- 课时40：损失函数整理 08:32
- 第8 章 ： 用A3C玩转超级马里奥
- 课时41：整体流程与环境配置 05:38
- 课时42：启动游戏环境 06:59
- 课时43：要计算的指标回顾 09:01
- 课时44：初始化局部模型并加载参数 08:05
- 课时45：与环境交互得到训练数据 09:31
- 第9 章 ： 算法补充-卷积神经网络原理与参数解读
- 课时46：卷积神经网络应用领域 07:24
- 课时47：卷积的作用 09:23
- 课时48：卷积特征值计算方法 08:07
- 课时49：得到特征图表示 06:58
- 课时50：步长与卷积核大小对结果的影响 08:11
- 课时51：边缘填充方法 06:30
- 课时52：特征图尺寸计算与参数共享 07:02
- 课时53：池化层的作用 05:38
- 课时54：整体网络架构 06:20
- 课时55：VGG网络架构 06:16
- 课时56：残差网络Resnet 07:41
- 课时57：感受野的作用 05:46
- 第10 章 ： 基础补充-PyTorch框架基本处理操作
- 课时58：PyTorch框架发展趋势简介 08:25
- 课时59：框架安装方法（CPU与GPU版本） 05:13
- 课时60：PyTorch基本操作简介 09:25
- 课时61：自动求导机制 10:59
- 课时62：线性回归DEMO-数据与参数配置 08:56
- 课时63：线性回归DEMO-训练回归模型 10:08
- 课时64：常见tensor格式 07:10
- 课时65：Hub模块简介 08:25
- 第11 章 ： 基础补充-PyTorch图像识别实例
- 课时66：卷积网络参数定义 07:21
- 课时67：网络流程解读 07:26
- 课时68：Vision模块功能解读 05:10
- 课时69：分类任务数据集定义与配置 06:27
- 课时70：图像增强的作用 04:51
- 课时71：数据预处理与数据增强模块 09:25
- 课时72：Batch数据制作 08:37
- 课时73：迁移学习的目标 05:31
- 课时74：迁移学习策略 07:11
- 课时75：加载训练好的网络模型 09:54
- 课时76：优化器模块配置 05:14
- 课时77：实现训练模块 08:15
- 课时78：训练结果与模型保存 09:31
- 课时79：加载模型对测试数据进行预测 09:10
- 课时80：13-额外补充-Resnet论文解读 11:47
- 课时81：额外补充-Resnet网络架构解读 08:26
相关课程
开课日期：2018-06-20 20:00开始
开课日期：2020-03-15 10:00开始
授课教师
暂无教师
微信扫码分享课程
最新学员
暂无学员
客服1
官方群