29 残差网络 ResNet【动手学深度学习v2】
31 深度学习硬件：CPU 和 GPU【动手学深度学习v2】
30 第二部分完结竞赛：图片分类【动手学深度学习v2】
Batch Normalization（批归一化）和 Layer Normalization（层归一化）的一些细节可能和你想的并不一样
08 线性回归 + 基础优化算法【动手学深度学习v2】
16 PyTorch 神经网络基础【动手学深度学习v2】
25 使用块的网络 VGG【动手学深度学习v2】
29.2 ResNet为什么能训练出1000层的模型【动手学深度学习v2】
11 模型选择 + 过拟合和欠拟合【动手学深度学习v2】
26 网络中的网络 NiN【动手学深度学习v2】
37 微调【动手学深度学习v2】
生动动画理解机器学习归一化和标准化
05 线性代数【动手学深度学习v2】
10 多层感知机 + 代码实现 - 动手学深度学习v2
Pytorch框架与经典卷积神经网络与实战
14 数值稳定性 + 模型初始化和激活函数【动手学深度学习v2】
49 样式迁移【动手学深度学习v2】
42 锚框【动手学深度学习v2】
32 深度学习硬件：TPU和其他【动手学深度学习v2】
62 序列到序列学习（seq2seq）【动手学深度学习v2】
