某机构流出:深度学习框架:唐宇迪老师PyTorch实战,培训视频下载 – 资源BD库

深度学习框架-PyTorch实战
本套课程来自CSDN学院由培训机构讲师唐宇迪老师主讲:深度学习框架-PyTorch实战,课程官方售价398元,专注于机器学习与计算机视觉领域,深度学习领域一线实战讲师唐宇迪主讲,用最通俗易懂的语言教生涩难懂的PyTorch教程,PyTorch是一个以Python优先的深度学习框架,不仅能够实现强大的GPU加速,同时还支持动态神经网络,这是很多主流深度学习框架比如Tensorflow等都不支持的,课程共分为16个章节对PyTorch不同板块都进行了系统的讲解,课程共计5.5G。文章底部附下载地址。

网站上还有另外一套龙良曲老师主讲的深度学习与PyTorch入门实战教程,同学们可以根据自己的喜好,看哪个老师的讲课风格更适合自己高效学习。

课程介绍:

课程安排:
1.纯实战,经典深度学习案例与项目;
2.从零开始,详解其中每一步流程;
3.通俗易懂,最接地气的方式进行讲解;
4.提供所有数据与代码,追随热点持续更新。

深度学习框架-PyTorch实战 视频截图

深度学习框架-PyTorch实战 视频截图

适用人群:
人工智能,深度学习方向的同学们

深度学习框架-PyTorch实战 视频截图

深度学习框架-PyTorch实战 视频截图

课程文件目录:V-1897:深度学习框架-PyTorch实战 [5.5G]

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

本套课程来自vipc6.com.jpg

更多课程:VIPC6.COM.url

课程说明与解压密码.txt

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

本套课程来自vipc6.com.jpg

更多课程:VIPC6.COM.url

课程说明与解压密码.txt

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

本套课程来自vipc6.com.jpg

更多课程:VIPC6.COM.url

课程说明与解压密码.txt

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

发表评论

提供最优质的资源集合

立即查看 了解详情