深度学习课程,主讲pytorch

 

【资源目录】:

├──01.深度学习PyTorch实战
| ├──01.PyTorch框架初识
| | ├──1-1 课程导学~1.mp4 31.99M
| | ├──2-1 初识Pytorch基本框架.mp4 18.31M
| | ├──2-2 环境配置(1).mp4 22.61M
| | └──2-3 环境配置(2).mp4 116.40M
| ├──02.PyTorch基础操作
| | ├──3-1 机器学习中的分类与回归问题-机器学习基本构成元素.mp4 27.25M
| | ├──3-10 取整-余.mp4 26.10M
| | ├──3-11 比较运算-排序-topk-kthvalue-数据合法性校验.mp4 155.69M
| | ├──3-12 三角函数.mp4 23.58M
| | ├──3-13 其他数学函数.mp4 15.03M
| | ├──3-14 Pytorch与统计学方法.mp4 77.78M
| | ├──3-15 Pytorch与分布函数.mp4 11.11M
| | ├──3-16 Pytorch与随机抽样.mp4 21.17M
| | ├──3-17 Pytorch与线性代数运算.mp4 60.43M
| | ├──3-18 Pytorch与矩阵分解-PCA.mp4 50.39M
| | ├──3-19 Pytorch与矩阵分解-SVD分解-LDA.mp4 27.98M
| | ├──3-2 Tensor的基本定义.mp4 12.24M
| | ├──3-20 Pytorch与张量裁剪.mp4 32.21M
| | ├──3-21 Pytorch与张量的索引与数据筛选.mp4 179.46M
| | ├──3-22 Pytorch与张量组合与拼接.mp4 58.22M
| | ├──3-23 Pytorch与张量切片.mp4 56.31M
| | ├──3-24 Pytorch与张量变形.mp4 113.72M
| | ├──3-25 Pytorch与张量填充.mp4 9.81M
| | ├──3-26 Pytorch与傅里叶变换.mp4 1.79M
| | ├──3-27 Pytorch简单编程技巧.mp4 53.57M
| | ├──3-28 Pytorch与autograd-导数-方向导数-偏导数-梯度的概念.mp4 16.54M
| | ├──3-29 Pytorch与autograd-梯度与机器学习最优解.mp4 25.96M
| | ├──3-3 Tensor与机器学习的关系.mp4 13.09M
| | ├──3-30 Pytorch与autograd-Variable$tensor.mp4 4.50M
| | ├──3-31 Pytorch与autograd-如何计算梯度.mp4 5.08M
| | ├──3-32 Pytorch与autograd中的几个重要概念-variable-grad-grad_fn.mp4 22.15M
| | ├──3-33 Pytorch与autograd中的几个重要概念-function.mp4 59.08M
| | ├──3-34 Pytorch与nn库.mp4 50.85M
| | ├──3-35 Pytorch与visdom.mp4 14.27M
| | ├──3-36 Pytorch与tensorboardX.mp4 23.76M
| | ├──3-37 Pytorch与torchvision.mp4 12.52M
| | ├──3-4 Tensor创建编程实例.mp4 116.77M
| | ├──3-5 Tensor的属性.mp4 14.31M
| | ├──3-6 Tensor的属性-稀疏的张量的编程实践.mp4 52.23M
| | ├──3-7 Tensor的算术运算.mp4 18.03M
| | ├──3-8 Tensor的算术运算编程实例.mp4 153.54M
| | └──3-9 in-place的概念和广播机制.mp4 40.27M
| ├──03.PyTorch与CNN
| | ├──4-1 机器学习和神经网络的基本概念(1).mp4 77.82M
| | ├──4-2 机器学习和神经网络的基本概念(2).mp4 52.17M
| | ├──4-3 利用神经网络解决分类和回归问题(1).mp4 82.21M
| | ├──4-4 利用神经网络解决分类和回归问题(2).mp4 228.37M
| | ├──4-5 利用神经网络解决分类和回归问题(3).mp4 94.55M
| | ├──4-6 利用神经网络解决分类和回归问题(4).mp4 107.04M
| | └──4-7 利用神经网络解决分类和回归问题(5).mp4 158.58M
| ├──04.卷积神经初探
| | ├──5-1 计算机视觉基本概念.mp4 91.29M
| | ├──5-10 多分支网络结构.mp4 9.09M
| | ├──5-11 attention的网络结构.mp4 37.36M
| | ├──5-12 学习率.mp4 13.71M
| | ├──5-13 优化器.mp4 21.31M
| | ├──5-14 卷积神经网添加正则化.mp4 6.99M
| | ├──5-2 图像处理常见概念.mp4 106.13M
| | ├──5-3 特征工程.mp4 37.72M
| | ├──5-4 卷积神经网(上).mp4 49.00M
| | ├──5-5 卷积神经网(下).mp4 45.07M
| | ├──5-6 pooling层.mp4 14.53M
| | ├──5-7 激活层-BN层-FC层-损失层.mp4 36.91M
| | ├──5-8 经典卷积神经网络结构.mp4 39.69M
| | └──5-9 轻量型网络结构.mp4 29.16M
| ├──05.PyTorch实战1
| | ├──6-1 图像分类网络模型框架解读(上).mp4 31.14M
| | ├──6-10 PyTorch搭建cifar10训练脚本搭建-ResNet结构(下).mp4 124.49M
| | ├──6-11 PyTorch搭建cifar10训练脚本搭建-Mobilenetv1结构.mp4 114.88M
| | ├──6-12 PyTorch搭建cifar10训练脚本搭建-Inception结构(上).mp4 108.83M
| | ├──6-13 PyTorch搭建cifar10训练脚本搭建-Inception结构(下).mp4 81.40M
| | ├──6-14 PyTorch搭建cifar10训练脚本搭建-调用Pytorch标准网络ResNet18等.mp4 54.50M
| | ├──6-15 PyTorch搭建cifar10推理测试脚本搭建.mp4 84.72M
| | ├──6-16 分类问题优化思路.mp4 68.29M
| | ├──6-17 分类问题最新研究进展和方向.mp4 31.05M
| | ├──6-2 图像分类网络模型框架解读(下).mp4 52.12M
| | ├──6-3 cifar10数据介绍-读取-处理(上).mp4 101.08M
| | ├──6-4 cifar10数据介绍-读取-处理(下).mp4 115.16M
| | ├──6-5 PyTorch自定义数据加载-加载Cifar10数据.mp4 134.16M
| | ├──6-6 PyTorch搭建 VGGNet 实现Cifar10图像分类.mp4 122.97M
| | ├──6-7 PyTorch搭建cifar10训练脚本-tensorboard记录LOG(上).mp4 148.39M
| | ├──6-8 PyTorch搭建cifar10训练脚本-tensorboard记录LOG(下).mp4 332.78M
| | └──6-9 PyTorch搭建cifar10训练脚本搭建-ResNet结构(上).mp4 155.86M
| ├──06.Pytorch实战2
| | ├──7-1 目标检测问题介绍(上).mp4 56.71M
| | ├──7-10 MMdetection LOG分析.mp4 169.98M
| | ├──7-2 目标检测问题介绍(下).mp4 52.67M
| | ├──7-3 Pascal VOC-COCO数据集介绍.mp4 15.04M
| | ├──7-4 MMdetection框架介绍-安装说明.mp4 43.27M
| | ├──7-5 MMdetection框架使用说明.mp4 51.72M
| | ├──7-6 MMdetection训练Passcal VOC目标检测任务(上).mp4 290.96M
| | ├──7-7 MMdetection训练Passcal VOC目标检测任务(中).mp4 236.05M
| | ├──7-8 MMdetection训练Passcal VOC目标检测任务(下).mp4 286.16M
| | └──7-9 MMdetection Test脚本.mp4 55.76M
| ├──07.Pytorch实战3
| | ├──8-1 图像分割基本概念.mp4 36.79M
| | ├──8-2 图像分割方法介绍.mp4 54.12M
| | ├──8-3 图像分割评价指标及目前面临的挑战.mp4 23.24M
| | ├──8-4 COCO数据集介绍.mp4 13.71M
| | ├──8-5 detectron框架介绍和使用简单说明.mp4 28.31M
| | ├──8-6 coco数据集标注文件解析.mp4 84.95M
| | └──8-7 detectron源码解读和模型训练-demo测试.mp4 800.13M
| ├──08.Pytorch实战4
| | ├──9-1 GAN的基础概念和典型模型介绍(上).mp4 34.25M
| | ├──9-2 GAN的基础概念和典型模型介绍(下).mp4 57.45M
| | ├──9-3 图像风格转换数据下载与自定义dataset类.mp4 120.66M
| | ├──9-4 cycleGAN模型搭建-model.mp4 142.72M
| | ├──9-5 cycleGAN模型搭建-train(上).mp4 198.28M
| | ├──9-6 cycleGAN模型搭建-train(下).mp4 284.12M
| | └──9-7 cycleGAN模型搭建-test.mp4 66.33M
| ├──09.RNN网络
| | ├──10-1 RNN网络基础.mp4 15.83M
| | ├──10-2 RNN常见网络结构-simple RNN网络.mp4 23.70M
| | ├──10-3 Bi-RNN网络.mp4 9.57M
| | ├──10-4 LSTM网络基础.mp4 34.35M
| | ├──10-5 Attention结构.mp4 37.19M
| | ├──10-6 Transformer结构.mp4 33.27M
| | ├──10-7 BERT结构.mp4 25.63M
| | └──10-8 NLP基础概念介绍.mp4 32.05M
| ├──10.Pytorch实战5
| | ├──11-1 文本情感分析-情感分类概念介绍.mp4 23.46M
| | ├──11-10 文本情感分类-test脚本定义.mp4 63.35M
| | ├──11-2 文本情感分类关键流程介绍.mp4 3.73M
| | ├──11-3 文本情感分类之文本预处理.mp4 23.67M
| | ├──11-4 文本情感分类之特征提取与文本表示.mp4 39.42M
| | ├──11-5 文本情感分类之深度学习模型.mp4 36.80M
| | ├──11-6 文本情感分类-数据准备.mp4 184.67M
| | ├──11-7 文本情感分类-dataset类定义.mp4 129.07M
| | ├──11-8 文本情感分类-model类定义.mp4 122.56M
| | └──11-9 文本情感分类-train脚本定义.mp4 182.86M
| ├──11.Pytorch实战6
| | ├──12-1 机器翻译相关方法-应用场景-评价方法.mp4 49.41M
| | ├──12-2 Seq2Seq-Attention编程实例数据准备-模型结构-相关函数.mp4 20.32M
| | ├──12-3 Seq2Seq-Attention编程实例-定义数据处理模块.mp4 175.00M
| | ├──12-4 Seq2Seq-Attention编程实例-定义模型结构模块(上).mp4 140.67M
| | ├──12-5 Seq2Seq-Attention编程实例-定义模型结构模块(下).mp4 157.55M
| | ├──12-6 Seq2Seq-Attention编程实例-定义train模块(上).mp4 103.88M
| | ├──12-7 Seq2Seq-Attention编程实例-定义train模块(下).mp4 107.29M
| | ├──12-8 Seq2Seq-Attention编程实例-定义train模块-loss function.mp4 179.44M
| | └──12-9 Seq2Seq-Attention编程实例-定义eval模块.mp4 90.57M
| ├──12.Pytorch实战7
| | ├──13-1 PyTorch模型开发与部署基础平台介绍.mp4 15.72M
| | ├──13-2 PyTorch工程化基础–Torchscript.mp4 24.31M
| | ├──13-3 PyTorch服务端发布平台–Torchserver.mp4 22.89M
| | ├──13-4 PyTorch终端推理基础–ONNX.mp4 27.24M
| | ├──14-1 linux操作基础串讲.mp4 62.29M
| | └──15-1 课程总结.mp4 29.46M
| └──代码
| | ├──detectron2-master.zip 1.71M
| | ├──mmdetection-master.zip 5.54M
| | └──Pytorch_code-master.zip 20.39M
├──02.深度学习-PyTorch实战
| ├──01.PyTorch基础
| | ├──1-1 PyTorch实战课程简介.mp4 16.41M
| | ├──1-2 PyTorch框架发展趋势简介.mp4 23.35M
| | ├──1-3 框架安装方法(CPU与GPU版本).mp4 16.60M
| | ├──1-4 PyTorch基本操作简介.mp4 25.11M
| | ├──1-5 自动求导机制.mp4 29.13M
| | ├──1-6 线性回归DEMO-数据与参数配置.mp4 22.81M
| | ├──1-7 线性回归DEMO-训练回归模型.mp4 30.65M
| | ├──1-8 补充:常见tensor格式.mp4 17.06M
| | └──1-9 补充:Hub模块简介.mp4 37.23M
| ├──02.分类任务
| | ├──2-1 气温数据集与任务介绍.mp4 22.82M
| | ├──2-2 按建模顺序构建完成网络架构.mp4 35.08M
| | ├──2-3 简化代码训练网络模型.mp4 35.55M
| | ├──2-4 分类任务概述.mp4 13.81M
| | ├──2-5 构建分类网络模型.mp4 29.20M
| | └──2-6 DataSet模块介绍与应用方法.mp4 33.73M
| ├──03.卷积神经
| | ├──3-1 卷积神经网络应用领域.mp4 26.64M
| | ├──3-10 VGG网络架构.mp4 20.55M
| | ├──3-11 残差网络Resnet.mp4 18.38M
| | ├──3-12 感受野的作用.mp4 16.77M
| | ├──3-2 卷积的作用.mp4 23.60M
| | ├──3-3 卷积特征值计算方法.mp4 22.68M
| | ├──3-4 得到特征图表示.mp4 18.47M
| | ├──3-5 步长与卷积核大小对结果的影响.mp4 20.39M
| | ├──3-6 边缘填充方法.mp4 17.93M
| | ├──3-7 特征图尺寸计算与参数共享.mp4 22.04M
| | ├──3-8 池化层的作用.mp4 11.33M
| | └──3-9 整体网络架构.mp4 17.99M
| ├──04.图像识别
| | ├──4-1 卷积网络参数定义.mp4 24.08M
| | ├──4-2 网络流程解读.mp4 30.92M
| | ├──4-3 Vision模块功能解读.mp4 18.00M
| | ├──4-4 分类任务数据集定义与配置.mp4 25.18M
| | ├──4-5 图像增强的作用.mp4 15.96M
| | ├──4-6 数据预处理与数据增强模块.mp4 38.83M
| | └──4-7 Batch数据制作.mp4 33.94M
| ├──05.迁移学习
| | ├──5-1 迁移学习的目标.mp4 13.29M
| | ├──5-2 迁移学习策略.mp4 16.08M
| | ├──5-3 加载训练好的网络模型.mp4 37.65M
| | ├──5-4 优化器模块配置.mp4 19.28M
| | ├──5-5 实现训练模块.mp4 28.11M
| | ├──5-6 训练结果与模型保存.mp4 31.65M
| | ├──5-7 加载模型对测试数据进行预测.mp4 35.69M
| | ├──5-8 额外补充-Resnet论文解读.mp4 54.32M
| | └──5-9 额外补充-Resnet网络架构解读.mp4 18.56M
| ├──06.RNN神经网络
| | ├──6-1 RNN网络架构解读.mp4 22.98M
| | ├──6-2 词向量模型通俗解释.mp4 21.22M
| | ├──6-3 模型整体框架.mp4 27.36M
| | ├──6-4 训练数据构建.mp4 15.78M
| | ├──6-5 CBOW与Skip-gram模型.mp4 22.57M
| | └──6-6 负采样方案.mp4 23.13M
| ├──07.文本分类实战
| | ├──7-1 任务目标与数据简介.mp4 28.32M
| | ├──7-2 RNN模型所需输入格式解析.mp4 20.10M
| | ├──7-3 项目配置参数设置.mp4 38.02M
| | ├──7-4 新闻数据读取与预处理方法.mp4 30.80M
| | ├──7-5 LSTM网络模块定义与参数解析.mp4 34.05M
| | ├──7-6 训练LSTM文本分类模型.mp4 36.80M
| | ├──7-7 Tensorboardx可视化展示模块搭建.mp4 35.19M
| | ├──7-8 CNN应用于文本任务原理解析.mp4 23.39M
| | └──7-9 网络模型架构与效果展示.mp4 43.64M
| ├──08.对抗生成网络架构
| | ├──8-1 对抗生成网络通俗解释.mp4 21.20M
| | ├──8-2 GAN网络组成.mp4 11.31M
| | ├──8-3 损失函数解释说明.mp4 42.16M
| | ├──8-4 数据读取模块.mp4 30.18M
| | └──8-5 生成与判别网络定义.mp4 36.40M
| ├──09.CycleGan开源实战
| | ├──9-1 CycleGan网络所需数据.mp4 29.60M
| | ├──9-10 额外补充:VISDOM可视化配置.mp4 25.88M
| | ├──9-2 CycleGan整体网络架构.mp4 21.20M
| | ├──9-3 PatchGan判别网络原理.mp4 10.98M
| | ├──9-4 Cycle开源项目简介.mp4 30.04M
| | ├──9-5 数据读取与预处理操作.mp4 47.99M
| | ├──9-6 生成网络模块构造.mp4 50.15M
| | ├──9-7 判别网络模块构造.mp4 20.60M
| | ├──9-8 损失函数:identity loss计算方法.mp4 39.50M
| | └──9-9 生成与判别损失函数指定.mp4 53.89M
| ├──10.OCR文字识别
| | ├──10-1 OCR文字识别要完成的任务.mp4 24.85M
| | ├──10-2 CTPN文字检测网络概述.mp4 17.77M
| | ├──10-3 序列网络的作用.mp4 21.76M
| | ├──10-4 输出结果含义解析.mp4 16.33M
| | ├──10-5 CTPN细节概述.mp4 21.25M
| | ├──10-6 CRNN识别网络架构.mp4 14.93M
| | └──10-7 CTC模块的作用.mp4 9.76M
| ├──11.OCR文字识别实战
| | ├──11-1 OCR文字检测识别项目效果展示.mp4 17.01M
| | ├──11-2 训练数据准备与环境配置.mp4 28.99M
| | ├──11-3 检测模块候选框生成.mp4 33.93M
| | ├──11-4 候选框标签制作.mp4 35.32M
| | ├──11-5 整体网络所需模块.mp4 20.74M
| | ├──11-6 网络架构各模块完成的任务解读.mp4 32.29M
| | ├──11-7 CRNN识别模块所需数据与标签.mp4 17.36M
| | └──11-8 识别模块网络架构解读.mp4 39.29M
| ├──12.3D卷积视频分析
| | ├──12-1 3D卷积原理解读.mp4 22.38M
| | ├──12-2 UCF101动作识别数据集简介.mp4 28.20M
| | ├──12-3 测试效果与项目配置.mp4 49.26M
| | ├──12-4 视频数据预处理方法.mp4 31.22M
| | ├──12-5 数据Batch制作方法.mp4 42.91M
| | ├──12-6 3D卷积网络所涉及模块.mp4 37.23M
| | └──12-7 训练网络模型.mp4 36.66M
| ├──13.BERT框架
| | ├──13-1 BERT任务目标概述.mp4 11.28M
| | ├──13-10 训练实例.mp4 23.51M
| | ├──13-2 传统解决方案遇到的问题.mp4 23.32M
| | ├──13-3 注意力机制的作用.mp4 15.95M
| | ├──13-4 self-attention计算方法.mp4 23.89M
| | ├──13-5 特征分配与softmax机制.mp4 21.35M
| | ├──13-6 Multi-head的作用.mp4 20.10M
| | ├──13-7 位置编码与多层堆叠.mp4 17.16M
| | ├──13-8 transformer整体架构梳理.mp4 22.55M
| | └──13-9 BERT模型训练方法.mp4 20.74M
| ├──14.BERT源码
| | ├──14-1 BERT开源项目简介.mp4 30.48M
| | ├──14-10 构建QKV矩阵.mp4 55.59M
| | ├──14-11 完成Transformer模块构建.mp4 45.84M
| | ├──14-12 训练BERT模型.mp4 45.87M
| | ├──14-2 项目参数配置.mp4 53.10M
| | ├──14-3 数据读取模块.mp4 40.40M
| | ├──14-4 数据预处理模块.mp4 43.13M
| | ├──14-5 tfrecord制作.mp4 53.83M
| | ├──14-6 Embedding层的作用.mp4 33.81M
| | ├──14-7 加入额外编码特征.mp4 44.61M
| | ├──14-8 加入位置编码特征.mp4 24.95M
| | └──14-9 mask机制.mp4 43.04M
| ├──15.PyTorch实战
| | ├──15-1 项目配置与环境概述.mp4 27.03M
| | ├──15-2 数据读取与预处理.mp4 22.02M
| | ├──15-3 网络结构定义.mp4 31.07M
| | └──15-4 训练网络模型.mp4 36.62M
| ├──16.PyTorch框架实战
| | ├──16-1 项目模板各模块概述.mp4 34.01M
| | ├──16-2 各模块配置参数解析.mp4 36.02M
| | ├──16-3 数据读取与预处理模块功能解读.mp4 46.17M
| | ├──16-4 模型架构模块.mp4 29.43M
| | ├──16-5 训练模块功能.mp4 45.07M
| | ├──16-6 训练结果可视化展示模块.mp4 32.85M
| | └──16-7 模块应用与BenckMark解读.mp4 55.63M
| └──代码+资料
| | ├──PPT
| | ├──第01章:PyTorch框架基本处理操作.zip 98.58M
| | ├──第02章:神经网络实战分类与回归任务.zip 15.82M
| | ├──第03章:卷积神经网络.rar 2.09M
| | ├──第04章:图像识别核心模块实战解读.zip 336.95M
| | ├──第06章:word2vec通俗解释.zip 2.15M
| | ├──第07章:新闻数据集文本分类实战.zip 31.53M
| | ├──第08章:对抗生成网络架构原理与实战解析.zip 35.28M
| | ├──第09章:基于CycleGan开源项目实战图像合成.zip 1.60G
| | ├──第11章:OCR文字识别项目实战.zip 423.83M
| | ├──第12章:基于3D卷积的视频分析与动作识别.zip 845.84M
| | ├──第13章:自然语言处理通用框架BERT原理解读.rar 1.46M
| | ├──第14章:谷歌开源项目BERT源码解读(官方TF版).rar 992.70M
| | ├──第15章:BERT.zip 732.89M
| | └──第16章:PyTorch框架实战模板解读.zip 69.22M
├──03.Pytorch项目实战机器人
| ├──01.项目的介绍
| | ├──1-1 课程导学.mp4 60.04M
| | ├──1-2 聊天机器人的综合介绍.mp4 90.41M
| | ├──1-3 聊天机器人起源发展.mp4 55.41M
| | ├──1-4 聊天机器人的分类(1).mp4 32.85M
| | ├──1-5 聊天机器人的分类(2).mp4 61.83M
| | ├──1-6 如何构建最简单的聊天机器人(1).mp4 32.74M
| | ├──1-7 如何构建最简单的聊天机器人(2).mp4 59.32M
| | └──1-8 代码小练.mp4 106.95M
| ├──02.项目的准备阶段
| | ├──2-1 NLP基础.mp4 63.57M
| | ├──2-2 NLP涉及知识.mp4 38.92M
| | ├──2-3 NLTK库2020-02-16 11_02.mp4 27.94M
| | ├──2-4 语料和词性标注.mp4 64.91M
| | ├──2-5 分词.mp4 115.60M
| | ├──2-6 TF-IDF.mp4 47.01M
| | ├──2-7 NLTK安装.mp4 71.64M
| | └──2-8 代码小练.mp4 74.75M
| ├──03.项目之自然语言处理
| | ├──3-1 NLP基础和聊天机器人.mp4 68.49M
| | ├──3-2 文本处理方法.mp4 76.36M
| | ├──3-3 word2vec (1).mp4 46.61M
| | ├──3-4 word2vec(2).mp4 91.36M
| | └──3-5 代码小练.mp4 152.61M
| ├──04.贝叶斯分类算法
| | ├──4-1 检索类的聊天机器人.mp4 118.89M
| | ├──4-2 贝叶斯分类.mp4 89.02M
| | ├──4-3 Chatterbot原理.mp4 76.63M
| | ├──4-4 代码小练.mp4 100.86M
| | └──4-5 章节小结.mp4 8.37M
| ├──05.RNN网络
| | ├──5-1 生成类聊天机器人.mp4 50.32M
| | ├──5-2 RNN LSTM原理.mp4 88.16M
| | ├──5-3 RNN LSTM模型原理.mp4 65.16M
| | ├──5-4 Seq2seq介绍.mp4 79.12M
| | ├──5-5 Attenion应用及分类.mp4 80.18M
| | ├──5-6 代码实战(1).mp4 105.68M
| | ├──5-7 代码实战(2).mp4 104.46M
| | ├──5-8 代码实战(3).mp4 72.58M
| | └──5-9 代码实战(4).mp4 74.07M
| ├──06.Pytorch框架
| | ├──6-1 Pytorch入门_慕课网 .mp4 46.10M
| | ├──6-2 原理机制.mp4 56.47M
| | ├──6-3 数据载入.mp4 38.18M
| | ├──6-4 模型训练和验证测试.mp4 60.83M
| | ├──6-5 代码小练(1).mp4 122.30M
| | ├──6-6 代码小练(2).mp4 115.31M
| | ├──6-7 代码训练过程.mp4 19.26M
| | └──6-8 章节小结.mp4 7.13M
| ├──07.GAN网络
| | ├──7-1 模型与主流发展方向还是seq2seq+attention.mp4 110.83M
| | ├──7-2 发展方向和SeqGan和深度学习结合.mp4 67.09M
| | ├──7-3 数据处理.mp4 102.37M
| | ├──7-4 开发生成器脚本.mp4 97.27M
| | ├──7-5 开发鉴别器脚本.mp4 76.26M
| | ├──7-6 开发主函数的脚本(1).mp4 83.08M
| | ├──7-7 开发主函数的脚本(2) (1).mp4 105.92M
| | ├──7-8 开发主函数的脚本(3).mp4 71.49M
| | └──7-9 代码训练过程.mp4 18.65M
| ├──08.Pytorch实战
| | ├──8-1 项目介绍.mp4 56.74M
| | ├──8-10 建立模型Decoder.mp4 44.64M
| | ├──8-11 建立模型BAttentiondecoerRNN.mp4 100.83M
| | ├──8-12 建立模型Lattention.mp4 68.64M
| | ├──8-13 建立模型LattentionDecoder.mp4 58.20M
| | ├──8-14 建立模型decoder如何选择.mp4 56.56M
| | ├──8-15 模型建立seq2seq类及train方法(1).mp4 88.51M
| | ├──8-16 模型建立seq2seq类及train方法(2).mp4 80.59M
| | ├──8-17 模型建立seq2seq类及train方法(3).mp4 87.51M
| | ├──8-18 greedy Search方法_慕课网 2020-02-16 11_02.mp4 142.20M
| | ├──8-19 模型建立beamsearch方法(1).mp4 115.37M
| | ├──8-2 项目流程思路.mp4 50.35M
| | ├──8-20 模型建立beamsearch方法(2).mp4 98.38M
| | ├──8-21 建立模型验证方法.mp4 63.00M
| | ├──8-22 建立模型bleu方法.mp4 70.55M
| | ├──8-23 建立模型embAve方法.mp4 134.96M
| | ├──8-24 建立模型Y_pre方法及整体思路流程.mp4 140.39M
| | ├──8-25 训练脚本编写及演示.mp4 52.77M
| | ├──8-26 模型测脚本编写.mp4 23.06M
| | ├──8-27 demo脚本编写及演示.mp4 88.20M
| | ├──8-28 部署步骤分享.mp4 46.05M
| | ├──8-29 最终总结.mp4 51.54M
| | ├──8-3 数据分析.mp4 31.66M
| | ├──8-4 数据预处理 初始化-1.mp4 31.17M
| | ├──8-4 数据预处理 初始化.mp4 69.65M
| | ├──8-5 数据预处理随机数据.mp4 144.17M
| | ├──8-6 数据预处理one_epoch word2id.mp4 82.42M
| | ├──8-7 数据预处理seq2id replace方法.mp4 63.39M
| | ├──8-8 建立模型Encoder(1).mp4 64.25M
| | └──8-9 建立模型Encoder(2).mp4 82.21M
| └──代码
| | ├──NLP_Chatbot-master.zip 302.79M
| | └──数据库模型.zip 310.07M
└──04.深度学习基础课
| ├──01.深度学习要解决的问题.mp4 20.96M
| ├──02.深度学习应用领域.mp4 58.45M
| ├──03.计算机视觉任务.mp4 19.49M
| ├──04.视觉任务中遇到的问题.mp4 36.98M
| ├──05.得分函数.mp4 19.11M
| ├──06.损失函数的作用.mp4 32.59M
| ├──07.前向传播整体流程.mp4 38.46M
| ├──08.梯度下降通俗解释(以线性回归算法为例,神经网络也是如此).mp4 20.56M
| ├──09.参数更新方法.mp4 25.80M
| ├──10.优化参数设置.mp4 26.75M
| ├──11.返向传播计算方法.mp4 24.79M
| ├──12.神经网络整体架构.mp4 31.40M
| ├──13.神经网络架构细节.mp4 43.75M
| ├──14. 神经元个数对结果的影响.mp4 41.85M
| ├──15.正则化与激活函数.mp4 26.73M
| ├──16.神经网络过拟合解决方法.mp4 36.74M
| ├──17.神经网络整体框架概述.mp4 23.26M
| ├──18.参数初始化操作.mp4 43.15M
| ├──19.矩阵向量转换.mp4 32.17M
| ├──20.向量反变换.mp4 35.44M
| ├──21.完成前向传播模块.mp4 35.15M
| ├──22.损失函数定义.mp4 36.24M
| ├──23.准备反向传播迭代.mp4 30.38M
| ├──24.差异项计算.mp4 42.78M
| ├──25.逐层计算.mp4 38.62M
| ├──26.完成全部迭代更新模块.mp4 58.53M
| ├──27.手写字体识别数据集.mp4 39.55M
| ├──28.算法代码错误修正.mp4 53.91M
| ├──29.模型优化结果展示.mp4 48.93M
| ├──30.测试效果可视化展示.mp4 56.72M
| └──配套资料(代码+课件).rar 10.32M