共3节 已有4人学过
主讲老师中级错题家
更新时间2024-11-12 16:33:39
课件资料暂无
免费
本课程首发于天玑智研平台
第一课：循环神经网络基础与姓名判别程序(一)
第二课：循环神经网络基础与姓名判别程序(二)
第三课：基于第三方库的基础循环神经网络及变体(LSTM, GRU)
介绍：本课程《循环神经网络基础与应用》旨在帮助学习者掌握RNN的核心概念及其实际应用。课程分为三部分，首先讲解循环神经网络的基本原理，并通过姓名判别程序分两课介绍RNN的实践应用；接下来，课程将深入探讨RNN的变体，如长短期记忆网络（LSTM）和门控循环单元（GRU），并结合第三方库进行实现。本课程适合对深度学习感兴趣且希望深入理解RNN机制的学习者，为后续更高级的序列数据建模打下扎实基础。
暂无讲师简介
这门课程将带你从原理到实战，完整走通循环神经网络的核心路径。课程从 RNN 为何适合处理变长序列讲起，结合人名国籍分类，手把手完成 Unicode 转 ASCII、字符表构建、one-hot 张量、数据加载与模型搭建，再进入 PyTorch 字符级 RNN 的训练、预测与损失可视化，让你真正理解 hidden、output、initHidden、NLLLoss、SGD 等关键机制。随后课程扩展到工程常用写法，使用 torch.nn 内置 RNN/GRU/LSTM 完成 MNIST 手写数字识别，掌握 DataLoader、设备迁移、batch_first、num_layers、Adam、CrossEntropyLoss、评估准确率以及 RNN/GRU/LSTM 快速切换。适合有 Python 和 PyTorch 基础、希望入门 NLP、序列建模或想补足 RNN 实战能力的学习者。学完后，你不仅能复现字符级分类闭环，还能独立搭建并切换 RNN/GRU/LSTM，理解序列数据建模的完整流程，为后续 NLP、时间序列等任务打基础。
中级错题家
老师简介
给该课程打分：
发表
