深度学习框架-PyTorch实战系列

xiaoduo

『课程目录』:
├─01 PyTorch框架基本处理操作
│      001 PyTorch实战课程简介.mp4
│      002 PyTorch框架发展趋势简介.mp4
│      003 框架安装方法（CPU与GPU版本）.mp4
│      004 PyTorch基本操作.mp4
│      005 自动求导机制.mp4
│      006 线性回归DEMO-数据与参数配置.mp4
│      007 线性回归DEMO-训练回归模型.mp4
│      008 补充：常见tensor格式.mp4
│      009 补充：Hub模块简介.mp4
│      课程数据代码下载.txt
│      
├─02 神经网络实战分类与回归任务
│      010 气温数据集与任务介绍.mp4
│      011 按建模顺序构建完成网络架构.mp4
│      012 简化代码训练网络模型.mp4
│      013 分类任务概述.mp4
│      014 构建分类网络模型.mp4
│      015 DataSet模块介绍与应用方法.mp4
│      
├─03 卷积神经网络原理与参数解读
│      016 卷积神经网络应用领域.mp4
│      017 卷积的作用.mp4
│      018 卷积特征值计算方法.mp4
│      019 得到特征图表示.mp4
│      020 步长与卷积核大小对结果的影响.mp4
│      021 边缘填充方法.mp4
│      022 特征图尺寸计算与参数共享.mp4
│      023 池化层的作用.mp4
│      024 整体网络架构.mp4
│      025 VGG网络架构.mp4
│      026 残差网络Resnet.mp4
│      027 感受野的作用.mp4
│      
├─04 图像识别核心模块实战解读
│      028 卷积网络参数定义.mp4
│      029 网络流程解读.mp4
│      030 Vision模块功能解读.mp4
│      031 分类任务数据集定义与配置.mp4
│      032 图像增强的作用.mp4
│      033 数据预处理与数据增强模块.mp4
│      034 Batch数据制作.mp4
│      
├─05 迁移学习的作用与应用实例
│      035 迁移学习的目标.mp4
│      036 迁移学习策略.mp4
│      037 加载训练好的网络模型.mp4
│      038 优化器模块配置.mp4
│      039 实现训练模块.mp4
│      040 训练结果与模型保存.mp4
│      041 加载模型对测试数据进行预测.mp4
│      042 额外补充-Resnet论文解读.mp4
│      043 额外补充-Resnet网络架构解读.mp4
│      
├─06 递归神经网络与词向量原理解读
│      044 RNN网络架构解读.mp4
│      045 词向量模型通俗解释.mp4
│      046 模型整体框架.mp4
│      047 训练数据构建.mp4
│      048 CBOW与Skip-gram模型.mp4
│      049 负采样方案.mp4
│      
├─07 新闻数据集文本分类实战
│      050 任务目标与数据简介.mp4
│      051 RNN模型所需输入格式解析.mp4
│      052 项目配置参数设置.mp4
│      053 新闻数据读取与预处理方法.mp4
│      054 LSTM网络模块定义与参数解析.mp4
│      055 训练LSTM文本分类模型.mp4
│      056 Tensorboardx可视化展示模块搭建.mp4
│      057 CNN应用于文本任务原理解析.mp4
│      058 网络模型架构与效果展示.mp4
│      
├─08 对抗生成网络架构原理与实战解析
│      059 对抗生成网络通俗解释.mp4
│      060 GAN网络组成.mp4
│      061 损失函数解释说明.mp4
│      062 数据读取模块.mp4
│      063 生成与判别网络定义.mp4
│      
├─09 基于CycleGan开源项目实战图像合成
│      064 CycleGan网络所需数据.mp4
│      065 CycleGan整体网络架构.mp4
│      066 PatchGan判别网络原理.mp4
│      067 Cycle开源项目简介.mp4
│      068 数据读取与预处理操作.mp4
│      069 生成网络模块构造.mp4
│      070 判别网络模块构造.mp4
│      071 损失函数：identity?loss计算方法.mp4
│      072 生成与判别损失函数指定.mp4
│      073 额外补充：VISDOM可视化配置.mp4
│      
├─10 OCR文字识别原理
│      074 OCR文字识别要完成的任务.mp4
│      075 CTPN文字检测网络概述.mp4
│      076 序列网络的作用.mp4
│      077 输出结果含义解析.mp4
│      078 CTPN细节概述.mp4
│      079 CRNN识别网络架构.mp4
│      080 CTC模块的作用.mp4
│      
├─11 OCR文字识别项目实战
│      081 OCR文字检测识别项目效果展示.mp4
│      082 OCR文字检测识别项目效果展示.mp4
│      083 检测模块候选框生成.mp4
│      084 候选框标签制作.mp4
│      085 整体网络所需模块.mp4
│      086 网络架构各模块完成的任务解读.mp4
│      087 CRNN识别模块所需数据与标签.mp4
│      088 识别模块网络架构解读.mp4
│      
├─12 基于3D卷积的视频分析与动作识别
│      089 3D卷积原理解读.mp4
│      090 UCF101动作识别数据集简介.mp4
│      091 测试效果与项目配置.mp4
│      092 视频数据预处理方法.mp4
│      093 数据Batch制作方法.mp4
│      094 3D卷积网络所涉及模块.mp4
│      095 训练网络模型.mp4
│      
├─13 自然语言处理通用框架BERT原理解读
│      096 BERT任务目标概述.mp4
│      097 传统解决方案遇到的问题.mp4
│      098 注意力机制的作用.mp4
│      099 self-attention计算方法.mp4
│      100 特征分配与softmax机制.mp4
│      101 Multi-head的作用.mp4
│      102 位置编码与多层堆叠.mp4
│      103 transformer整体架构梳理.mp4
│      104 BERT模型训练方法.mp4
│      105 训练实例.mp4
│      
├─14 谷歌开源项目BERT源码解读（官方TF版）
│      106 BERT开源项目简介.mp4
│      107 项目参数配置.mp4
│      108 数据读取模块.mp4
│      109 数据预处理模块.mp4
│      110 tfrecord制作.mp4
│      111 Embedding层的作用.mp4
│      112 加入额外编码特征.mp4
│      113 加入位置编码特征.mp4
│      114 mask机制.mp4
│      115 构建QKV矩阵.mp4
│      116 完成Transformer模块构建.mp4
│      117 训练BERT模型.mp4
│      
├─15 基于PyTorch实战BERT模型（民间PyTorch版）
│      118 项目配置与环境概述.mp4
│      119 数据读取与预处理.mp4
│      120 网络结构定义.mp4
│      121 训练网络模型.mp4
│      
└─16 PyTorch框架实战模板解读
        122 项目模板各模块概述.mp4
        123 各模块配置参数解析.mp4
        124 数据读取与预处理模块功能解读.mp4
        125 模型架构模块.mp4
        126 训练模块功能.mp4
        127 训练结果可视化展示模块.mp4
        128 模块应用与BenckMark解读.mp4

『课程下载』:

游客,本付费内容需要支付 3学币 才能浏览支付

rey888

0000000000000000000000000000000000000000000000000000

hengxingtx

干洗店楼主

看看就好

谢谢分享

807044155

11111111111

zxk

感谢分享

沈万成

有下载这个视频的大兄弟可以告知一下，这个是哪个机构讲的吗？

xyyyyhx

深度学习框架-PyTorch实战系列

kokobibi

深度学习框架-PyTorch实战系列 [修改]