|
|
深度学习框架-PyTorch实战
请注意！抽取部分视频加密提供VIP学习，请勿传播！
课程目录：
1-1 PyTorch实战课程简介.mp4
1-2 PyTorch框架发展趋势简介.mp4
1-3 框架安装方法（CPU与GPU版本）.mp4
1-4 PyTorch基本操作简介.mp4
1-5 自动求导机制.mp4
1-6 线性回归DEMO-数据与参数配置.mp4
1-7 线性回归DEMO-训练回归模型.mp4
1-8 补充：常见tensor格式.mp4
1-9 补充：Hub模块简介.mp4
2-1 气温数据集与任务介绍.mp4
2-2 按建模顺序构建完成网络架构.mp4
2-3 简化代码训练网络模型.mp4
2-4 分类任务概述.mp4
2-5 构建分类网络模型.mp4
2-6 DataSet模块介绍与应用方法.mp4
3-1 卷积神经网络应用领域.mp4
3-2 卷积的作用.mp4
3-3 卷积特征值计算方法.mp4
3-4 得到特征图表示.mp4
3-5 步长与卷积核大小对结果的影响.mp4
3-6 边缘填充方法.mp4
3-7 特征图尺寸计算与参数共享.mp4
3-8 池化层的作用.mp4
3-9 整体网络架构.mp4
3-10 VGG网络架构.mp4
3-11 残差网络Resnet.mp4
3-12 感受野的作用.mp4
4-1 卷积网络参数定义.mp4
4-2 网络流程解读.mp4
4-3 Vision模块功能解读.mp4
4-4 分类任务数据集定义与配置.mp4
4-5 图像增强的作用.mp4
4-6 数据预处理与数据增强模块.mp4
4-7 Batch数据制作.mp4
5-1 迁移学习的目标.mp4
5-2 迁移学习策略.mp4
5-3 加载训练好的网络模型.mp4
5-4 优化器模块配置.mp4
5-5 实现训练模块.mp4
5-6 训练结果与模型保存.mp4
5-7 加载模型对测试数据进行预测.mp4
5-8 额外补充-Resnet论文解读.mp4
5-9 额外补充-Resnet网络架构解读.mp4
6-1 RNN网络架构解读.mp4
6-2 词向量模型通俗解释.mp4
6-3 模型整体框架.mp4
6-4 训练数据构建.mp4
6-5 CBOW与Skip-gram模型.mp4
6-6 负采样方案.mp4
7-1 任务目标与数据简介.mp4
7-2 RNN模型所需输入格式解析.mp4
7-3 项目配置参数设置.mp4
7-4 新闻数据读取与预处理方法.mp4
7-5 LSTM网络模块定义与参数解析.mp4
7-6 训练LSTM文本分类模型.mp4
7-7 Tensorboardx可视化展示模块搭建.mp4
7-8 CNN应用于文本任务原理解析.mp4
7-9 网络模型架构与效果展示.mp4
8-1 对抗生成网络通俗解释.mp4
8-2 GAN网络组成.mp4
8-3 损失函数解释说明.mp4
8-4 数据读取模块.mp4
8-5 生成与判别网络定义.mp4
9-1 CycleGan网络所需数据.mp4
9-2 CycleGan整体网络架构.mp4
9-3 PatchGan判别网络原理.mp4
9-4 Cycle开源项目简介.mp4
9-5 数据读取与预处理操作.mp4
9-6 生成网络模块构造.mp4
9-7 判别网络模块构造.mp4
9-8 损失函数：identity loss计算方法.mp4
9-9 生成与判别损失函数指定.mp4
9-10 额外补充：VISDOM可视化配置.mp4
10-1 OCR文字识别要完成的任务.mp4
10-2 CTPN文字检测网络概述.mp4
10-3 序列网络的作用.mp4
10-4 输出结果含义解析.mp4
10-5 CTPN细节概述.mp4
10-6 CRNN识别网络架构.mp4
10-7 CTC模块的作用.mp4
11-1 OCR文字检测识别项目效果展示.mp4
11-2 训练数据准备与环境配置.mp4
11-3 检测模块候选框生成.mp4
11-4 候选框标签制作.mp4
11-5 整体网络所需模块.mp4
11-6 网络架构各模块完成的任务解读.mp4
11-7 CRNN识别模块所需数据与标签.mp4
11-8 识别模块网络架构解读.mp4
12-1 3D卷积原理解读.mp4
12-2 UCF101动作识别数据集简介.mp4
12-3 测试效果与项目配置.mp4
12-4 视频数据预处理方法.mp4
12-5 数据Batch制作方法.mp4
12-6 3D卷积网络所涉及模块.mp4
12-7 训练网络模型.mp4
13-1 BERT任务目标概述.mp4
13-2 传统解决方案遇到的问题.mp4
13-3 注意力机制的作用.mp4
13-4 self-attention计算方法.mp4
13-5 特征分配与softmax机制.mp4
13-6 Multi-head的作用.mp4
13-7 位置编码与多层堆叠.mp4
13-8 transformer整体架构梳理.mp4
13-9 BERT模型训练方法.mp4
13-10 训练实例.mp4
14-1 BERT开源项目简介.mp4
14-2 项目参数配置.mp4
14-3 数据读取模块.mp4
14-4 数据预处理模块.mp4
14-5 tfrecord制作.mp4
14-6 Embedding层的作用.mp4
14-7 加入额外编码特征.mp4
14-8 加入位置编码特征.mp4
14-9 mask机制.mp4
14-10 构建QKV矩阵.mp4
14-11 完成Transformer模块构建.mp4
14-12 训练BERT模型.mp4
15-1 项目配置与环境概述.mp4
15-2 数据读取与预处理.mp4
15-3 网络结构定义.mp4
15-4 训练网络模型.mp4
16-1 项目模板各模块概述.mp4
16-2 各模块配置参数解析.mp4
16-3 数据读取与预处理模块功能解读.mp4
16-4 模型架构模块.mp4
16-5 训练模块功能.mp4
16-6 训练结果可视化展示模块.mp4
16-7 模块应用与BenckMark解读.mp4
下载地址：
|
|
发表于 2021-12-22 02:26:36
发表于 2021-12-22 04:23:34
