深度学习与PyTorch实战

课程介绍：

深度学习框架-PyTorch实战课程旨在帮助同学们快速掌握PyTorch框架核心模块使用方法与项目应用实例，让同学们熟练使用PyTorch框架进行项目开发。课程内容全部以实战为导向，基于当下计算机视觉与自然语言处理中经典项目进行实例讲解，通过Debug模式详解项目中每一行代码的作用与效果，整体风格通俗易懂，提供全部课程所属课件。

〖课程目录〗:

• | └──9、深度学习pytorch实战（唐）
• | | ├──章节10OCR文字识别原理
• | | | ├──83 OCR文字识别要完成的任务【 www.ko996.com】.ev4 14.50M
• | | | ├──84 CTPN文字检测网络概述【 www.ko996.com】.ev4 14.00M
• | | | ├──85 序列网络的作用【 www.ko996.com】.ev4 15.65M
• | | | ├──86 输出结果含义解析【 www.ko996.com】.ev4 11.90M
• | | | ├──87 CTPN细节概述【 www.ko996.com】.ev4 15.71M
• | | | ├──88 CRNN识别网络架构【 www.ko996.com】.ev4 11.44M
• | | | └──89 CTC模块的作用【 www.ko996.com】.ev4 7.75M
• | | ├──章节11OCR文字识别项目实战
• | | | ├──90 OCR文字检测识别项目效果展示【 www.ko996.com】.ev4 13.15M
• | | | ├──92 训练数据准备与环境配置【 www.ko996.com】.ev4 23.10M
• | | | ├──93 检测模块候选框生成【 www.ko996.com】.ev4 23.61M
• | | | ├──94 候选框标签制作【 www.ko996.com】.ev4 23.31M
• | | | ├──95 整体网络所需模块【 www.ko996.com】.ev4 15.91M
• | | | ├──96 网络架构各模块完成的任务解读【 www.ko996.com】.ev4 22.01M
• | | | ├──97 CRNN识别模块所需数据与标签【 www.ko996.com】.ev4 50.47M
• | | | └──98 识别模块网络架构解读【 www.ko996.com】.ev4 29.59M
• | | ├──章节12
• | | | ├──100 3D卷积原理解读【 www.ko996.com】.mp4 16.76M
• | | | ├──101 UCF101动作识别数据集简介【 www.ko996.com】.mp4 36.93M
• | | | ├──102 测试效果与项目配置【 www.ko996.com】.mp4 39.46M
• | | | ├──104 数据Batch制作方法【 www.ko996.com】.mp4 32.97M
• | | | ├──105 3D卷积网络所涉及模块【 www.ko996.com】.mp4 25.42M
• | | | └──106 训练网络模型【 www.ko996.com】.mp4 69.88M
• | | ├──章节13自然语言处理通用框架BERT原理
• | | | ├──100 3D卷积原理解读【 www.ko996.com】.ev4 16.77M
• | | | ├──101 UCF101动作识别数据集简介【 www.ko996.com】.ev4 36.94M
• | | | ├──102 测试效果与项目配置【 www.ko996.com】.ev4 39.47M
• | | | ├──103 视频数据预处理方法【 www.ko996.com】.ev4 23.70M
• | | | ├──104 数据Batch制作方法【 www.ko996.com】.ev4 32.97M
• | | | ├──105 3D卷积网络所涉及模块【 www.ko996.com】.ev4 25.43M
• | | | ├──106 训练网络模型【 www.ko996.com】.ev4 69.89M
• | | | ├──107 BERT任务目标概述【 www.ko996.com】.ev4 9.07M
• | | | ├──109 传统解决方案遇到的问题【 www.ko996.com】.ev4 18.20M
• | | | ├──110 注意力机制的作用【 www.ko996.com】.ev4 18.70M
• | | | ├──111 self-attention计算方法【 www.ko996.com】.ev4 19.05M
• | | | ├──112 特征分配与softmax机制【 www.ko996.com】.ev4 16.88M
• | | | ├──113 Multi-head的作用【 www.ko996.com】.ev4 15.71M
• | | | ├──114 位置编码与多层堆叠【 www.ko996.com】.ev4 12.54M
• | | | ├──115 transformer整体架构梳理【 www.ko996.com】.ev4 43.27M
• | | | ├──116 BERT模型训练方法【 www.ko996.com】.ev4 15.37M
• | | | └──117 训练实例【 www.ko996.com】.ev4 47.00M
• | | ├──章节14谷歌开源项目BERT源码解读
• | | | ├──118 BERT开源项目简介【 www.ko996.com】.mp4 25.61M
• | | | ├──119 项目参数配置【 www.ko996.com】.ev4 59.34M
• | | | ├──121 数据读取模块【 www.ko996.com】.ev4 32.85M
• | | | ├──122 数据预处理模块【 www.ko996.com】.ev4 102.24M
• | | | ├──123 tfrecord制作【 www.ko996.com】.mp4 36.43M
• | | | ├──124 Embedding层的作用【 www.ko996.com】.ev4 22.12M
• | | | ├──125 加入额外编码特征【 www.ko996.com】.ev4 29.55M
• | | | ├──126 加入位置编码特征【 www.ko996.com】.ev4 63.81M
• | | | ├──127 mask机制【 www.ko996.com】.ev4 87.66M
• | | | ├──128 构建QKV矩阵【 www.ko996.com】.ev4 35.91M
• | | | ├──129 完成Transformer模块构建【 www.ko996.com】.ev4 29.51M
• | | | └──130 训练BERT模型【 www.ko996.com】.ev4 34.62M
• | | ├──章节15基于PyTorch实战BERT模型
• | | | ├──132 项目配置与环境概述【 www.ko996.com】.ev4 19.77M
• | | | ├──133 数据读取与预处理【 www.ko996.com】.ev4 16.31M
• | | | ├──134 网络结构定义【 www.ko996.com】.ev4 48.07M
• | | | └──135 训练网络模型【 www.ko996.com】.ev4 26.33M
• | | ├──章节16PyTorch框架实战模板解读
• | | | ├──137 项目模板各模块概述【 www.ko996.com】.ev4 89.32M
• | | | ├──138 各模块配置参数解析【 www.ko996.com】.ev4 26.11M
• | | | ├──139 数据读取与预处理模块功能解读【 www.ko996.com】.ev4 33.07M
• | | | ├──140 模型架构模块【 www.ko996.com】.ev4 50.98M
• | | | ├──141 训练模块功能【 www.ko996.com】.ev4 33.03M
• | | | ├──142 训练结果可视化展示模块【 www.ko996.com】.ev4 25.53M
• | | | └──143 模块应用与BenckMark解读【 www.ko996.com】.ev4 39.54M
• | | ├──章节1PyTorch框架基本处理操作
• | | | ├──1 PyTorch实战课程简介【 www.ko996.com】.mp4 12.70M
• | | | ├──2 PyTorch框架发展趋势简介【 www.ko996.com】.mp4 14.74M
• | | | ├──3 框架安装方法（CPU与GPU版本）【 www.ko996.com】.mp4 10.80M
• | | | ├──4 PyTorch基本操作【 www.ko996.com】.mp4 16.97M
• | | | ├──5 自动求导机制【 www.ko996.com】.mp4 21.32M
• | | | ├──6 线性回归DEMO-数据与参数配置【 www.ko996.com】.mp4 30.27M
• | | | ├──7 线性回归DEMO-训练回归模型【 www.ko996.com】.mp4 24.58M
• | | | ├──8 补充：常见tensor格式【 www.ko996.com】.mp4 28.95M
• | | | └──9 补充：Hub模块简介【 www.ko996.com】.mp4 33.39M
• | | ├──章节2神经网络实战分类与回归任务
• | | | ├──12 气温数据集与任务介绍【 www.ko996.com】.mp4 18.53M
• | | | ├──13 按建模顺序构建完成网络架构【 www.ko996.com】.mp4 27.06M
• | | | ├──14 简化代码训练网络模型【 www.ko996.com】.mp4 28.98M
• | | | ├──15 分类任务概述【 www.ko996.com】.mp4 10.31M
• | | | ├──16 构建分类网络模型【 www.ko996.com】.mp4 24.18M
• | | | └──17 DataSet模块介绍与应用方法【 www.ko996.com】.mp4 150.49M
• | | ├──章节3卷积神经网络原理与参数解读
• | | | ├──19 卷积神经网络应用领域【 www.ko996.com】.mp4 16.29M
• | | | ├──20 卷积的作用【 www.ko996.com】.mp4 18.13M
• | | | ├──21 卷积特征值计算方法【 www.ko996.com】.mp4 64.86M
• | | | ├──22 得到特征图表示【 www.ko996.com】.ev4 14.63M
• | | | ├──23 步长与卷积核大小对结果的影响【 www.ko996.com】.ev4 16.00M
• | | | ├──24 边缘填充方法【 www.ko996.com】.ev4 13.03M
• | | | ├──25 特征图尺寸计算与参数共享【 www.ko996.com】.ev4 16.78M
• | | | ├──26 池化层的作用【 www.ko996.com】.ev4 9.35M
• | | | ├──27 整体网络架构【 www.ko996.com】.ev4 13.10M
• | | | ├──28 VGG网络架构【 www.ko996.com】.ev4 14.57M
• | | | ├──29 残差网络Resnet【 www.ko996.com】.ev4 14.20M
• | | | └──31 感受野的作用【 www.ko996.com】.mp4 12.80M
• | | ├──章节4图像识别核心模块实战解读
• | | | ├──32 卷积网络参数定义【 www.ko996.com】.ev4 17.49M
• | | | ├──33 网络流程解读【 www.ko996.com】.ev4 21.92M
• | | | ├──34 Vision模块功能解读【 www.ko996.com】.ev4 13.78M
• | | | ├──35 分类任务数据集定义与配置【 www.ko996.com】.ev4 82.11M
• | | | ├──36 图像增强的作用【 www.ko996.com】.ev4 11.00M
• | | | ├──37 数据预处理与数据增强模块【 www.ko996.com】.ev4 24.86M
• | | | └──38 Batch数据制作【 www.ko996.com】.ev4 26.72M
• | | ├──章节5迁移学习的作用与应用实例
• | | | ├──40 迁移学习的目标【 www.ko996.com】.ev4 9.39M
• | | | ├──41 迁移学习策略【 www.ko996.com】.ev4 11.85M
• | | | ├──42 加载训练好的网络模型【 www.ko996.com】.ev4 29.35M
• | | | ├──43 优化器模块配置【 www.ko996.com】.ev4 15.06M
• | | | ├──44 实现训练模块【 www.ko996.com】.ev4 21.82M
• | | | ├──45 训练结果与模型保存【 www.ko996.com】.ev4 114.07M
• | | | ├──46 加载模型对测试数据进行预测【 www.ko996.com】.ev4 31.05M
• | | | ├──47 额外补充-Resnet文解读【 www.ko996.com】.ev4 64.66M
• | | | └──48 额外补充-Resnet网络架构解读【 www.ko996.com】.ev4 43.79M
• | | ├──章节6递归神经网络与词向量原理解读
• | | | ├──49 RNN网络架构解读【 www.ko996.com】.ev4 18.72M
• | | | ├──50 词向量模型通俗解释【 www.ko996.com】.ev4 15.96M
• | | | ├──51 模型整体框架【 www.ko996.com】.ev4 20.13M
• | | | ├──53 训练数据构建【 www.ko996.com】.ev4 11.20M
• | | | ├──54 CBOW与Skip-gram模型【 www.ko996.com】.ev4 55.85M
• | | | └──55 负采样方案【 www.ko996.com】.ev4 18.68M
• | | ├──章节7新闻数据集文本分类实战
• | | | ├──56 任务目标与数据简介【 www.ko996.com】.ev4 20.09M
• | | | ├──57 RNN模型所需输入格式解析【 www.ko996.com】.ev4 14.31M
• | | | ├──58 项目配置参数设置【 www.ko996.com】.ev4 96.54M
• | | | ├──59 新闻数据读取与预处理方法【 www.ko996.com】.ev4 24.00M
• | | | ├──60 LSTM网络模块定义与参数解析【 www.ko996.com】.ev4 79.54M
• | | | ├──62 训练LSTM文本分类模型【 www.ko996.com】.ev4 26.84M
• | | | ├──63 Tensorboardx可视化展示模块搭建【 www.ko996.com】.ev4 29.00M
• | | | ├──64 CNN应用于文本任务原理解析【 www.ko996.com】.ev4 18.30M
• | | | └──65 网络模型架构与效果展示【 www.ko996.com】.ev4 32.77M
• | | ├──章节8对抗生成网络架构原理与实战解析
• | | | ├──67 对抗生成网络通俗解释【 www.ko996.com】.ev4 26.95M
• | | | ├──68 GAN网络组成【 www.ko996.com】.ev4 8.50M
• | | | ├──69 损失函数解释说明【 www.ko996.com】.ev4 28.66M
• | | | ├──70 数据读取模块【 www.ko996.com】.ev4 20.98M
• | | | └──71 生成与判别网络定义【 www.ko996.com】.ev4 112.74M
• | | ├──章节9基于CycleGan开源项目实战图像
• | | | ├──72 CycleGan网络所需数据【 www.ko996.com】.ev4 117.35M
• | | | ├──73 CycleGan整体网络架构【 www.ko996.com】.ev4 25.93M
• | | | ├──74 PatchGan判别网络原理【 www.ko996.com】.ev4 15.02M
• | | | ├──75 Cycle开源项目简介【 www.ko996.com】.ev4 29.97M
• | | | ├──76 数据读取与预处理操作【 www.ko996.com】.ev4 40.04M
• | | | ├──77 生成网络模块构造【 www.ko996.com】.ev4 34.78M
• | | | ├──78 判别网络模块构造【 www.ko996.com】.ev4 53.88M
• | | | ├──79 损失函数：identity loss计算方法【 www.ko996.com】.ev4 25.54M
• | | | ├──80 生成与判别损失函数指定【 www.ko996.com】.ev4 93.88M
• | | | └──81 额外补充：VISDOM可视化配置【 www.ko996.com】.ev4 24.99M
• | | └──pytorch数据代码【 www.ko996.com】.txt 0.11kb

yeyudao普通

收藏 海报 链接