首页

投稿

985浙大强推的【深度学习Pytorch实践】竟然这么有料！一套教程把Pytorch框架讲的明明白白！（神经网络/图像处理/Pytorch框架实战教程）

1.4万

151

2022-02-12 19:11:00

Pytorch框架实战课程源码笔记资料加助理小姐姐威：gyx950724，领取

计算机视觉

唐宇迪AI 发消息

需要系统学习课程、论文指导、就业指导、项目指导的小伙伴可以后台私我！

课时1 深度学习框架简介

09:17

课时2 PyTorch功能演示

11:10

课时3 开发环境安装（简介）

12:41

课时4 简单回归问题-1

09:10

课时5 简单回归问题-2

14:45

课时6 回归问题实战

08:44

课时7 分类问题引入-1

07:17

课时8 分类问题引入-2

09:20

课时9 手写数字识别初体验-1

06:10

课时10 手写数字识别初体验-2

06:37

课时11 手写数字识别初体验-3

07:03

课时12 手写数字识别初体验-4

08:06

课时13 手写数字识别初体验-5

08:17

课时14 张量数据类型-1

09:57

课时15 张量数据类型-2

14:08

课时16 创建Tensor-1

10:48

课时17 创建Tensor-2

13:00

课时18 索引与切片-1

12:12

课时19 索引与切片-2

11:32

课时20 维度变换-1

07:38

课时21 维度变换-2

10:02

课时22 维度变换-3

07:53

课时23 维度变换-4

10:24

课时24 Broadcasting-1

08:47

课时25 Broadcasting-2

11:36

课时26 Broadcasting-3

06:12

课时27 合并与分割-1

10:45

课时28 合并与分割-2

06:37

课时29 数学运算-1

07:40

课时30 数学运算-2

08:56

课时31 属性统计-1

10:43

课时32 属性统计-2

11:35

课时33 高阶操作

16:06

课时34 什么是梯度-1

10:20

课时35 什么是梯度-2

14:18

课时36 常见函数的梯度

07:19

课时37 激活函数与Loss的梯度-1

13:54

课时38 激活函数与Loss的梯度-2

08:54

课时39 激活函数与Loss的梯度-3

06:47

课时40 激活函数与Loss的梯度-4

11:58

课时41 感知机的梯度推导-1

13:36

课时42 感知机的梯度推导-2

13:17

课时43 链式法则

11:32

课时44 反向传播算法-1

12:45

课时45 反向传播算法-2

07:02

课时46 优化问题实战

08:56

课时47 Logistic Regression

14:14

课时48 交叉熵-1

09:08

课时49 交叉熵-2

09:28

课时50 多分类问题实战

08:27

课时52 激活函数与GPU加速

11:39

课时53 MNIST测试实战

12:02

课时54 Visdom可视化

13:09

课时55 过拟合与欠拟合

14:25

课时56 交叉验证-1

11:47

课时57 交叉验证-2

07:40

课时58 Regularization

11:22

课时59 动量与学习率衰减

13:59

课时60 Early stopping, dropout等

14:21

课时61 什么是卷积-1

12:59

课时62 什么是卷积-2

08:48

课时63 卷积神经网络-1

11:20

课时64 卷积神经网络-2

11:13

课时65 卷积神经网络-3

08:44

课时66 池化层与采样

10:55

课时67 BatchNorm-1

09:28

课时68 BatchNorm-2

13:08

课时69 经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-1

09:19

课时70 经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-2

09:44

课时71 ResNet与DenseNet-1

12:05

课时72 ResNet与DenseNet-2

10:22

课时73 nn.Module模块-1

10:18

课时74 nn.Module模块-2

08:57

课时75 数据增强

12:55

课时76 CIFAR10数据集介绍

10:09

课时77 卷积神经网络实战-1

10:09

课时78 卷积神经网络实战-2

10:05

课时79 卷积神经网络训练

10:05

课时80 ResNet实战-1

10:12

课时81 ResNet实战-2

10:12

课时82 ResNet实战-3

07:32

课时83 ResNet实战-4

10:08

课时84 实战小结

12:51

课时85 时间序列表示方法

14:59

课时86 RNN原理-1

09:57

课时87 RNN原理-2

09:40

课时88 RNN Layer使用-1

09:44

课时89 RNN Layer使用-2

09:02

课时90 时间序列预测实战

13:28

课时91 梯度弥散与梯度爆炸

12:51

课时92 LSTM原理-1

09:03

课时93 LSTM原理-2

10:54

课时94 LSTM Layer使用

08:45

课时95 情感分类问题实战

15:16

课时96 Pokemon数据集

12:31

课时97 数据预处理

12:21

课时98 自定义数据集实战-1

06:50

课时99 自定义数据集实战-2

08:43

课时100 自定义数据集实战-3

11:05

课时101 自定义数据集实战-4

09:59

课时102 自定义数据集实战-5

11:30

课时103 自定义网络

09:47

课时104 自定义网络训练与测试

07:39

课时105 自定义网络实战

07:40

课时106 迁移学习

05:36

课时107 迁移学习实战

10:10

课时108 无监督学习

10:03

课时109 Auto-Encoder原理

10:13

课时110 Auto-Encoder变种

10:00

课时111 Adversarial Auto-Encoder

10:10

课时112 变分Auto-Encoder引入

10:13

课时113 Reparameterization trick

10:06

课时114 变分自编码器VAE

11:04

课时115 Auto-Encoder实战-1

10:02

课时116 Auto-Encoder实战-2

10:12

课时117 变分Auto-Encoder实战-1

05:56

课时118 变分Auto-Encoder实战-2

06:38

课时119 数据的分布

09:12

课时120 画家的成长历程

13:05

课时121 GAN原理

10:03

课时122 纳什均衡-D

09:58

课时123 纳什均衡-G

13:43

课时124 JS散度的缺陷

16:37

课时125 EM距离

09:58

课时126 WGAN与WGAN-GP

15:44

课时127 GAN实战-GD实现

10:00

课时128 GAN实战-网络训练

17:26

课时129 GAN实战-网络训练鲁棒性

09:47

课时130 WGAN-GP实战

16:18

顶部