【加密】JM024 – 深度学习-语音识别实战(Python) [4.9G]

视频缺少最后一节 迁移效果对比 时长9分钟 介意勿拍
【加密】JM024 – 深度学习-语音识别实战(Python) [4.9G]
┣━━01.视频 [3.5G]
┃ ┣━━1 课程简介.vep [50.2M]
┃ ┣━━2 序列网络模型概述分析.vep [13.8M]
┃ ┣━━3 网络工作原理概述.vep [6.7M]
┃ ┣━━4 注意力机制的作用.vep [11.1M]
┃ ┣━━5 加入attention的序列模型整体架构.vep [15.8M]
┃ ┣━━6 TeacherForcing的作用与训练策略.vep [12.6M]
┃ ┣━━7 额外补充-RNN网络模型解读.vep [49.8M]
┃ ┣━━8 数据源与环境配置.vep [21.6M]
┃ ┣━━9 语料表制作方法.vep [17.3M]
┃ ┣━━10 制作json标注数据.vep [26.7M]
┃ ┣━━11 声音数据处理模块解读.vep [112.6M]
┃ ┣━━12 Pack与Pad操作解析.vep [50.9M]
┃ ┣━━13 编码器模块整体流程.vep [20.8M]
┃ ┣━━14 加入注意力机制.vep [21.8M]
┃ ┣━━15 解码器与训练过程演示.vep [76.5M]
┃ ┣━━16 计算得到每个输出的attention得分.vep [24.8M]
┃ ┣━━17 论文整体思路与架构解读.vep [63.9M]
┃ ┣━━18 VCC2016输入数据.vep [14.7M]
┃ ┣━━19 语音特征提取.vep [21.7M]
┃ ┣━━20 生成器模型架构分析.vep [10.9M]
┃ ┣━━21 InstanceNorm的作用解读.vep [13.4M]
┃ ┣━━22 AdaIn的目的与效果.vep [9.5M]
┃ ┣━━23 判别器模块分析.vep [52.6M]
┃ ┣━━24 数据与项目文件解读.vep [15.7M]
┃ ┣━━25 环境配置与工具包安装.vep [71.9M]
┃ ┣━━26 数据预处理与声音特征提取.vep [220.8M]
┃ ┣━━27 生成器构造模块解读.vep [28.2M]
┃ ┣━━28 下采样与上采样操作.vep [24.1M]
┃ ┣━━29 starganvc2版本标签输入分析.vep [25.5M]
┃ ┣━━30 生成器前向传播维度变化.vep [18.3M]
┃ ┣━━31 判别器模块解读.vep [56.7M]
┃ ┣━━32 论文损失函数.vep [48.9M]
┃ ┣━━33 源码损失计算流程.vep [22.4M]
┃ ┣━━34 测试模块-生成转换语音.vep [31.7M]
┃ ┣━━35 语音分离任务分析.vep [6.8M]
┃ ┣━━36 经典语音分离模型概述.vep [22.6M]
┃ ┣━━37 DeepClustering论文解读.vep [20.7M]
┃ ┣━━38 TasNet编码器结构分析.vep [27M]
┃ ┣━━39 DW卷积的作用与效果.vep [15.1M]
┃ ┣━━40 基于Mask得到分离结果.vep [12.9M]
┃ ┣━━41 数据准备与环境配置.vep [41.9M]
┃ ┣━━42 训练任务所需参数介绍.vep [51.2M]
┃ ┣━━43 DataLoader定义.vep [20.8M]
┃ ┣━━44 采样数据特征编码.vep [64.2M]
┃ ┣━━45 编码器特征提取.vep [32.4M]
┃ ┣━━46 构建更大的感受区域.vep [32.5M]
┃ ┣━━47 解码得到分离后的语音.vep [98M]
┃ ┣━━48 测试模块所需参数.vep [92.6M]
┃ ┣━━49 语音合成技术概述.vep [10.8M]
┃ ┣━━50 网络计算流程分析.vep [39M]
┃ ┣━━51 语音合成项目所需环境配置..vep [27.9M]
┃ ┣━━52 所需数据集介绍.vep [23.5M]
┃ ┣━━53 路径配置与整体流程解读.vep [37M]
┃ ┣━━54 Dataloader构建数据与标签.vep [44.8M]
┃ ┣━━55 编码层要完成的任务.vep [78.5M]
┃ ┣━━56 得到编码特征向量.vep [18.9M]
┃ ┣━━57 解码器输入准备.vep [23.1M]
┃ ┣━━58 解码器流程梳理.vep [27M]
┃ ┣━━59 注意力机制应用方法.vep [28.3M]
┃ ┣━━60 得到加权的编码向量.vep [30.7M]
┃ ┣━━61 模型输出结果.vep [36.1M]
┃ ┣━━62 损失函数与预测.vep [104.5M]
┃ ┣━━63 PyTorch框架发展趋势简介.vep [16.6M]
┃ ┣━━64 框架安装方法（CPU与GPU版本）.vep [12.6M]
┃ ┣━━65 PyTorch基本操作简介.vep [38.2M]
┃ ┣━━66 自动求导机制.vep [58.7M]
┃ ┣━━67 线性回归DEMO-数据与参数配置.vep [16.5M]
┃ ┣━━68 线性回归DEMO-训练回归模型.vep [26M]
┃ ┣━━69 常见tensor格式.vep [13.5M]
┃ ┣━━70 Hub模块简介.vep [140.3M]
┃ ┣━━71 气温数据集与任务介绍.vep [17.8M]
┃ ┣━━72 按建模顺序构建完成网络架构.vep [26.8M]
┃ ┣━━73 简化代码训练网络模型.vep [30.1M]
┃ ┣━━74 分类任务概述.vep [21.8M]
┃ ┣━━75 构建分类网络模型.vep [24.2M]
┃ ┣━━76 DataSet模块介绍与应用方法.vep [31.3M]
┃ ┣━━77 卷积神经网络应用领域.vep [34.2M]
┃ ┣━━78 卷积的作用.vep [52.2M]
┃ ┣━━79 卷积特征值计算方法.vep [15.8M]
┃ ┣━━80 得到特征图表示.vep [13.9M]
┃ ┣━━81 步长与卷积核大小对结果的影响.vep [28.6M]
┃ ┣━━82 边缘填充方法.vep [25.5M]
┃ ┣━━83 特征图尺寸计算与参数共享.vep [52.9M]
┃ ┣━━84 池化层的作用.vep [23.6M]
┃ ┣━━85 整体网络架构.vep [13.1M]
┃ ┣━━86 VGG网络架构.vep [26.3M]
┃ ┣━━87 残差网络Resnet.vep [23.3M]
┃ ┣━━88 感受野的作用.vep [11.8M]
┃ ┣━━89 迁移学习的目标.vep [9.2M]
┃ ┣━━90 迁移学习策略.vep [11.8M]
┃ ┣━━91 Resnet原理.vep [257.9M]
┃ ┣━━92 Resnet网络细节.vep [27.9M]
┃ ┣━━93 Resnet基本处理操作.vep [19.9M]
┃ ┣━━94 shortcut模块.vep [27M]
┃ ┗━━95 加载训练好的权重.vep [68.1M]
┗━━00.资料.zip [1.4G]

admin网站管理

收藏 海报 链接