网易云课堂 唐云迪 深度学习-PyTorch框架实战系列

章节01PyTorch框架基本处理操作

1 PyTorch实战课程简介.mp4 12.70M

2 PyTorch框架发展趋势简介.mp4 14.74M

3 框架安装方法（CPU与GPU版本）.mp4 10.80M

4 PyTorch基本操作.mp4 16.97M

5 自动求导机制.mp4 21.32M

6 线性回归DEMO-数据与参数配置.mp4 30.27M

7 线性回归DEMO-训练回归模型.mp4 24.58M

8 补充：常见tensor格式.mp4 28.95M

9 补充：Hub模块简介.mp4 33.39M

章节02神经网络实战分类与回归任务

12 气温数据集与任务介绍.mp4 18.53M

13 按建模顺序构建完成网络架构.mp4 27.06M

14 简化代码训练网络模型.mp4 28.98M

15 分类任务概述.mp4 10.31M

16 构建分类网络模型.mp4 24.18M

17 DataSet模块介绍与应用方法.mp4 150.49M

章节03卷积神经网络原理与参数解读

19 卷积神经网络应用领域.mp4 16.29M

20 卷积的作用.mp4 18.13M

21 卷积特征值计算方法.mp4 64.86M

22 得到特征图表示.mp4 14.62M

23 步长与卷积核大小对结果的影响.mp4 15.99M

24 边缘填充方法.mp4 13.02M

25 特征图尺寸计算与参数共享.mp4 16.77M

26 池化层的作用.mp4 9.34M

27 整体网络架构.mp4 13.09M

28 VGG网络架构.mp4 14.56M

29 残差网络Resnet.mp4 14.19M

31 感受野的作用.mp4 12.80M

章节04图像识别核心模块实战解读

32 卷积网络参数定义.mp4 17.49M

33 网络流程解读.mp4 21.92M

34 Vision模块功能解读.mp4 13.77M

35 分类任务数据集定义与配置.mp4 82.10M

36 图像增强的作用.mp4 11.00M

37 数据预处理与数据增强模块.mp4 24.86M

38 Batch数据制作.mp4 26.72M

章节05迁移学习的作用与应用实例

40 迁移学习的目标.mp4 9.38M

41 迁移学习策略.mp4 11.85M

42 加载训练好的网络模型.mp4 29.34M

43 优化器模块配置.mp4 15.05M

44 实现训练模块.mp4 21.81M

45 训练结果与模型保存.mp4 114.06M

46 加载模型对测试数据进行预测.mp4 31.04M

47 额外补充-Resnet论文解读.mp4 64.66M

48 额外补充-Resnet网络架构解读.mp4 43.78M

章节06递归神经网络与词向量原理解读

49 RNN网络架构解读.mp4 18.71M

50 词向量模型通俗解释.mp4 15.96M

51 模型整体框架.mp4 20.12M

53 训练数据构建.mp4 11.19M

54 CBOW与Skip-gram模型.mp4 55.84M

55 负采样方案.mp4 18.67M

章节07新闻数据集文本分类实战

56 任务目标与数据简介.mp4 20.08M

57 RNN模型所需输入格式解析.mp4 14.31M

58 项目配置参数设置.mp4 96.53M

59 新闻数据读取与预处理方法.mp4 23.99M

60 LSTM网络模块定义与参数解析.mp4 79.53M

62 训练LSTM文本分类模型.mp4 26.83M

63 Tensorboardx可视化展示模块搭建.mp4 28.99M

64 CNN应用于文本任务原理解析.mp4 18.29M

65 网络模型架构与效果展示.mp4 32.76M

章节08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.mp4 26.95M

68 GAN网络组成.mp4 8.49M

69 损失函数解释说明.mp4 28.65M

70 数据读取模块.mp4 20.97M

71 生成与判别网络定义.mp4 112.73M

章节09基于CycleGan开源项目实战图像

72 CycleGan网络所需数据.mp4 117.34M

73 CycleGan整体网络架构.mp4 25.92M

74 PatchGan判别网络原理.mp4 15.01M

75 Cycle开源项目简介.mp4 29.96M

76 数据读取与预处理操作.mp4 40.03M

77 生成网络模块构造.mp4 34.78M

78 判别网络模块构造.mp4 53.88M

79 损失函数：identity loss计算方法.mp4 25.53M

80 生成与判别损失函数指定.mp4 93.88M

81 额外补充：VISDOM可视化配置.mp4 24.99M

章节10OCR文字识别原理

83 OCR文字识别要完成的任务.mp4 14.49M

84 CTPN文字检测网络概述.mp4 13.99M

85 序列网络的作用.mp4 15.64M

86 输出结果含义解析.mp4 11.89M

87 CTPN细节概述.mp4 15.70M

88 CRNN识别网络架构.mp4 11.43M

89 CTC模块的作用.mp4 7.74M

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.mp4 13.14M

92 训练数据准备与环境配置.mp4 23.10M

93 检测模块候选框生成.mp4 23.60M

94 候选框标签制作.mp4 23.30M

95 整体网络所需模块.mp4 15.90M

96 网络架构各模块完成的任务解读.mp4 22.00M

97 CRNN识别模块所需数据与标签.mp4 50.47M

98 识别模块网络架构解读.mp4 29.58M

章节12

100 3D卷积原理解读.mp4 16.76M

101 UCF101动作识别数据集简介.mp4 36.93M

102 测试效果与项目配置.mp4 39.46M

103 测试效果与项目配置.mp4 23.69M

104 数据Batch制作方法.mp4 32.97M

105 3D卷积网络所涉及模块.mp4 25.42M

106 训练网络模型.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.mp4 16.76M

101 UCF101动作识别数据集简介.mp4 36.93M

102 测试效果与项目配置.mp4 39.46M

103 视频数据预处理方法.mp4 23.69M

104 数据Batch制作方法.mp4 32.97M

105 3D卷积网络所涉及模块.mp4 25.42M

106 训练网络模型.mp4 69.88M

107 BERT任务目标概述.mp4 9.06M

109 传统解决方案遇到的问题.mp4 18.19M

110 注意力机制的作用.mp4 18.69M

111 self-attention计算方法.mp4 19.05M

112 特征分配与softmax机制.mp4 16.87M

113 Multi-head的作用.mp4 15.70M

114 位置编码与多层堆叠.mp4 12.53M

115 transformer整体架构梳理.mp4 43.26M

116 BERT模型训练方法.mp4 15.36M

117 训练实例.mp4 47.00M

章节14谷歌开源项目BERT源码解读

118 BERT开源项目简介.mp4 25.60M

119 项目参数配置.mp4 59.34M

121 数据读取模块.mp4 32.84M

122 数据预处理模块.mp4 102.24M

123 tfrecord制作.mp4 36.42M

124 Embedding层的作用.mp4 22.11M

125 加入额外编码特征.mp4 29.54M

126 加入位置编码特征.mp4 63.80M

127 mask机制.mp4 87.65M

128 构建QKV矩阵.mp4 35.90M

129 完成Transformer模块构建.mp4 29.50M

130 训练BERT模型.mp4 34.61M

章节15基于PyTorch实战BERT模型

132 项目配置与环境概述.mp4 19.76M

133 数据读取与预处理.mp4 16.30M

134 网络结构定义.mp4 48.06M

135 训练网络模型.mp4 26.32M

章节16PyTorch框架实战模板解读

137 项目模板各模块概述.mp4 89.31M

138 各模块配置参数解析.mp4 26.11M

139 数据读取与预处理模块功能解读.mp4 33.07M

140 模型架构模块.mp4 50.98M

141 训练模块功能.mp4 33.03M

142 训练结果可视化展示模块.mp4 25.53M

143 模块应用与BenckMark解读.mp4 39.54M

pytorch数据代码.txt 0.11kb