登录
注册
登录
注册
首页
在线实训
师资培训
证书培训
1+X证书
双创工作室
竞赛指导
科普知识
全部分类
业务
课程
班级
公开课
登录
注册
首页
在线实训
师资培训
证书培训
1+X证书
双创工作室
竞赛指导
科普知识
全部分类
业务
课程
班级
公开课
项目前置知识学习
第104任务： 4.3 BERT微调流程
查看课程
任务列表
第1任务： 1.1.1常见网上冲浪过程
第2任务： 1.1.2爬虫的概念
第3任务： 1.1.3爬虫合法性
第4任务： 1.2认识反爬虫
第5任务： 1.3配置Python爬虫环境
第6任务： 2.1.1网络传输模型
第7任务： 2.1.2网络信息传输过程
第8任务： 2.2.1认识HTTP
第9任务： 2.2.2熟悉Cookie
第10任务： 3.1认识静态网页
第11任务： 3.2.1创建工程
第12任务： 3.2.2生成HTTP请求
第13任务： 3.2.3完善HTTP请求
第14任务： 3.3.1为什么要解析网页
第15任务： 3.3.2初识Xpath
第16任务： 3.3.3Xpath相对路径及属性查找
第17任务： 3.3.4使用BeautifulSoup解析网页
第18任务： 3.3.5网页解析小结
第19任务： 3.4.1认识chrom开发者工具
第20任务： 3.4.2任务演练：爬取并存储泰迪科技官网首页数据
第21任务： 4.1认识动态网页
第22任务： 4.2.1通过网页源码追踪目标数据文件地址
第23任务： 4.2.2通过开发者工具追踪目标数据文件地址
第24任务： 4.2.3爬取数据并进行保存
第25任务： 4.3.1搭建selenium环境
第26任务： 4.3.2利用selenium获取网页数据
第27任务： 4.3.3利用selenium控制点击操作
第28任务： 1.1 Python数据可视化概述
第29任务： 1.2 Matplotlib绘图库介绍
第30任务： 1.3 Matplotlib散点图绘制
第31任务： 1.4 Matplotlib绘制折线图
第32任务： 1.5 Matplotlib绘制柱状图
第33任务： 1.6 Matplotlib绘制饼图
第34任务： 2.1 Matplotlib例子的背景介绍
第35任务： 2.2 Matplotlib例子：预处理
第36任务： 2.3 Matplotlib例子：销售额随时间变化的可视化
第37任务： 2.4 Matplotlib例子：星期与销售额关系
第38任务： 2.5 Matplotlib例子：时间销售额与订单量的关系分析
第39任务： 1 PyTorch简介
第40任务： 2.1 创建张量
第41任务： 2.2 张量与数组相互转化
第42任务： 3.1 任务描述：构建一个线性模型
第43任务： 3.2 读取数据
第44任务： 3.3 构建初始模型及损失函数
第45任务： 3.4 test-构建优化器
第46任务： 3.4 构建优化器
第47任务： 3.5 最小化方差（训练）
第48任务： 3.6 执行多轮训练
第49任务： 3.7 训练过程可视化
第50任务： 4.1 案例目标与流程
第51任务： 4.2 加载数据
第52任务： 4.3 加工数据
第53任务： 4.4 模型结构介绍
第54任务： 4.5 构建模型
第55任务： 4.6 模型配置
第56任务： 4.7 模型训练
第57任务： 4.8 执行多轮训练
第58任务： 4.9 模型性能评估
第59任务： 4.10 保存模型
第60任务： 4.11 加载模型
第61任务： 4.12 模型应用
第62任务： 1 引言
第63任务： 2.1 浅层神经网络的局限
第64任务： 2.2 卷积操作
第65任务： 2.3 卷积操作的优势
第66任务： 2.4 池化及全连接
第67任务： 2.5 高维输入及多filter卷积
第68任务： 2.6 实现卷积操作
第69任务： 2.7 将卷积结果可视化
第70任务： 2.8 实现池化操作
第71任务： 3.1 循环神经网络简介
第72任务： 3.2 循环神经网络的常见结构
第73任务： 4.1 LSTM的三个门
第74任务： 4.2 LSTM三个门的计算示例
第75任务： 4.3 实现LSTM操作
第76任务： 4.4 LSTM返回值解读
第77任务： 5.1 加载数据
第78任务： 5.2 数据加工
第79任务： 5.3 搭建循环神经网络
第80任务： 5.4 模型配置
第81任务： 5.5 模型训练
第82任务： 5.6 模型性能验证
第83任务： 1 大模型简介
第84任务： 2.1 Transformer引入
第85任务： 2.2 Transformer整体计算流程-训练阶段
第86任务： 2.3 Transformer整体计算流程-推理阶段
第87任务： 2.4 Input Embedding操作
第88任务： 2.5 注意力机制介绍
第89任务： 2.6 attention层的计算过程01
第90任务： 2.7 attention层的计算过程02
第91任务： 2.8 从单头到多头注意力
第92任务： 2.9 Encoder整体计算流程
第93任务： 2.10 encoder代码实现
第94任务： 2.11 Decoder整体计算过程
第95任务： 2.12 Masked Attention及Decoder输出
第96任务： 2.13 decoder代码实现
第97任务： 2.14 Transformer代码实现
第98任务： 2.15 Transformer的并行计算能力
第99任务： 3.1 生成式预训练模型GPT简介
第100任务： 3.2 GPT预训练流程
第101任务： 3.3 GPT微调流程
第102任务： 4.1 BERT简介
第103任务： 4.2 BERT预训练流程
第104任务： 4.3 BERT微调流程
第105任务： 5.1 HuggingFace简介
第106任务： 5.2 使用pipeline进行情感分析
第107任务： 5.3 将预训练模型下载至本地及调用
第108任务： 5.4 使用pipeline完成其他类型任务
第109任务： 5.5 使用transformers完成机器翻译任务
第110任务： 6 小结
第111任务： 项目前置知识学习配套资料下载.zip
学
习
中
心
TOP
张老师
群1：897428979
群2：642795722
工作时间：9:00 - 18:00
张老师:18927565259
邮箱：
3120701392@qq.com
