【尊享】ZX018 – 强化学习实战系列（2020最新）[4.7G]

部分序号不连续是因为课程资料占了序号，视频和资料均是完整的！
【尊享】ZX018 – 强化学习实战系列（2020最新）[4.7G]
┣━━01.视频 [4.6G]
┃ ┣━━001 课程介绍.vep [21.2M]
┃ ┣━━002 一张图通俗解释强化学习.vep [36M]
┃ ┣━━003 强化学习的指导依据.vep [44.4M]
┃ ┣━━004 强化学习AI游戏.vep [37.2M]
┃ ┣━━005 应用领域简介.vep [59.7M]
┃ ┣━━006 强化学习工作流程.vep [36.8M]
┃ ┣━━007 计算机眼中的状态与行为.vep [54.2M]
┃ ┣━━009 基本情况介绍.vep [58.3M]
┃ ┣━━010 与环境交互得到所需数据.vep [57.5M]
┃ ┣━━011 要完成的目标分析.vep [52.9M]
┃ ┣━━012 策略梯度推导.vep [48.1M]
┃ ┣━━013 baseline方法.vep [39M]
┃ ┣━━014 OnPolicy与OffPolicy策略.vep [45.7M]
┃ ┣━━015 importance sampling的作用.vep [53.7M]
┃ ┣━━016 PPO算法整体思路解析.vep [58.9M]
┃ ┣━━018 Critic的作用与效果.vep [91M]
┃ ┣━━019 PPO2版本公式解读.vep [76.5M]
┃ ┣━━020 参数与网络结构定义.vep [76.5M]
┃ ┣━━021 得到动作结果.vep [69.4M]
┃ ┣━━022 奖励获得与计算.vep [82M]
┃ ┣━━023 参数迭代与更新.vep [111.1M]
┃ ┣━━025 算法原理通俗解读.vep [57.8M]
┃ ┣━━026 目标函数与公式解析.vep [56.6M]
┃ ┣━━027 Qlearning算法实例解读.vep [35.1M]
┃ ┣━━028 Q值迭代求解.vep [49.2M]
┃ ┣━━029 DQN简介.vep [30.7M]
┃ ┣━━031 整体任务流程演示.vep [50.8M]
┃ ┣━━032 探索与action获取.vep [70.5M]
┃ ┣━━033 计算target值.vep [50.9M]
┃ ┣━━034 训练与更新.vep [73.9M]
┃ ┣━━036 DoubleDqn要解决的问题.vep [43.6M]
┃ ┣━━037 DuelingDqn改进方法.vep [42.6M]
┃ ┣━━038 Dueling整体网络架构分析.vep [44.3M]
┃ ┣━━039 MultiSetp策略.vep [17.1M]
┃ ┣━━040 连续动作处理方法.vep [45M]
┃ ┣━━041 AC算法回顾与知识点总结.vep [35.1M]
┃ ┣━━042 优势函数解读与分析.vep [42.8M]
┃ ┣━━043 计算流程实例.vep [35.4M]
┃ ┣━━044 A3C整体架构分析.vep [40.5M]
┃ ┣━━045 损失函数整理.vep [50.8M]
┃ ┣━━047 整体流程与环境配置.vep [71M]
┃ ┣━━048 启动游戏环境.vep [71.7M]
┃ ┣━━049 要计算的指标回顾.vep [82.1M]
┃ ┣━━050 初始化局部模型并加载参数.vep [73.2M]
┃ ┣━━051 与环境交互得到训练数据.vep [90.3M]
┃ ┣━━052 训练网络模型.vep [97.2M]
┃ ┣━━054 积神经网络应用领域.vep [70.9M]
┃ ┣━━055 卷积的作用.vep [54.5M]
┃ ┣━━056 卷积特征值计算方法.vep [61.1M]
┃ ┣━━057 得到特征图表示.vep [47M]
┃ ┣━━058 步长与卷积核大小对结果的影响.vep [49.2M]
┃ ┣━━059 边缘填充方法.vep [49.6M]
┃ ┣━━060 特征图尺寸计算与参数共享.vep [52.7M]
┃ ┣━━061 池化层的作用.vep [22.2M]
┃ ┣━━062 整体网络架构.vep [53.3M]
┃ ┣━━063 VGG网络架构.vep [55.4M]
┃ ┣━━064 残差网络Resnet.vep [44.6M]
┃ ┣━━065 感受野的作用.vep [39.3M]
┃ ┣━━066 PyTorch框架发展趋势简介.vep [58.2M]
┃ ┣━━067 框架安装方法（CPU与GPU版本）.vep [37M]
┃ ┣━━068 PyTorch基本操作简介.vep [58.7M]
┃ ┣━━069 自动求导机制.vep [68.7M]
┃ ┣━━070 线性回归DEMO-数据与参数配置.vep [47.7M]
┃ ┣━━071 线性回归DEMO-训练回归模型.vep [69M]
┃ ┣━━072 常见tensor格式.vep [39.2M]
┃ ┣━━073 Hub模块简介.vep [90.7M]
┃ ┣━━074 卷积网络参数定义.vep [54.9M]
┃ ┣━━075 网络流程解读.vep [71.4M]
┃ ┣━━076 Vision模块功能解读.vep [43.2M]
┃ ┣━━077 分类任务数据集定义与配置.vep [59.1M]
┃ ┣━━078 图像增强的作用.vep [42.8M]
┃ ┣━━079 数据预处理与数据增强模块.vep [88.4M]
┃ ┣━━080 Batch数据制作.vep [78.9M]
┃ ┣━━081 迁移学习的目标.vep [31.9M]
┃ ┣━━082 迁移学习策略.vep [36.9M]
┃ ┣━━083 加载训练好的网络模型.vep [87.3M]
┃ ┣━━084 优化器模块配置.vep [44.5M]
┃ ┣━━085 实现训练模块.vep [68M]
┃ ┣━━086 训练结果与模型保存.vep [77.5M]
┃ ┣━━087 加载模型对测试数据进行预测.vep [88.5M]
┃ ┣━━088 额外补充-Resnet论文解读.vep [141.7M]
┃ ┗━━089 额外补充-Resnet网络架构解读.vep [39.9M]
┗━━00.资料.zip [104.9M]

admin网站管理

收藏 海报 链接