最新公告
  • 欢迎您光临潮课网,本站秉承服务宗旨 履行“站长”责任.🌹加入会员
  • 2022最新pytorch深度学习入门与简明实战教程百度云分享

    ├─1. pytorch概述
    │      章节1-1Pytorch安装.mp4
    ├─2.深度学习基础与线性回归实例
    │      章节2-1机器学习基础-线性回归.mp4
    │      章节2-2收入数据集读取与观察.mp4
    │      章节2-3初始化模型、损失函数和优化方法.mp4
    │      章节2-4模型训练与结果可视化.mp4
    ├─3.pytorch张量
    │      章节3-1Pytorch张量与数据类型.mp4
    │      章节3-2张量运算与形状变换.mp4
    │      章节3-3张量微分运算.mp4
    │      章节3-4入门实例的分解写法-.mp4

    ├─4.逻辑回归与多层感知机
    │      章节4-1逻辑回归简介与数据预处理.mp4
    │      章节4-2逻辑回归模型的创建与训练.mp4
    │      章节4-3多层感知器简介.mp4
    │      章节4-4多层感知器实例-数据预处理.mp4
    │      章节4-5多层感知器模型创建.mp4
    │      章节4-6多层感知器模型改写与解释.mp4
    │      章节4-7多层感知器模型训练.mp4
    │      章节4-8使用Dataset和Dataloader加载模型数据.mp4
    │      章节4-9划分验证数据和测试数据.mp4
    │      章节4-10添加正确率和验证数据.mp4
    ├─5.多分类问题
    │      章节5-1Softmax多分类与鸢尾花数据集预处理.mp4
    │      章节5-2多分类模型创建与损失函数.mp4
    │      章节5-3多分类模型训练与调试.mp4
    │      章节5-4编写通用训练函数(一).mp4
    │      章节5-5编写通用训练函数(二).mp4
    ├─6.手写数字全连接模型
    │      章节6-1MNIST数据集的下载和使用.mp4
    │      章节6-2认识手写数据集MNIST.mp4

    章节6-3MNIST数据集全连接模型训练.mp4

    ├─7.基础部分总结
    │      章节7-1梯度下降算法与学习速率.mp4
    │      章节7-2反向传播算法与优化器.mp4
    │      章节7-3基础部分知识点总结.mp4
    │      章节7-4基础部分作业——Fashi-MNIST数据分类.mp4

    ├─8.计算机视觉基础
    │      章节8-1什么是卷积.mp4
    │      章节8-2卷积模型的整体架构.mp4
    │      章节8-3卷积模型解决手写数字分类.mp4
    │      章节8-4使用GPU加速训练.mp4
    │      章节8-5卷积模型基础实例—四种天气数据集.mp4
    │      章节8-6读取、预处理图片并创建Dataset.mp4
    │      章节8-7创建Dataloader和可视化图片.mp4
    │      章节8-8四种天气分类模型的创建.mp4
    │      章节8-9卷积模型的训练.mp4
    │      章节8-10Dropout抑制过拟合.mp4
    │      章节8-11Dropout代码实现-.mp4
    │      章节8-12批标准化(Batch Normalization)简介.mp4
    │      章节8-13Batch Normalization层的代码实现.mp4
    │      章节8-14超参数选择原则.mp4

    ├─9.预训练模型(迁移学习)
    │      章节9-1预训练模型与VGG架构.mp4
    │      章节9-2预训练模型的使用介绍.mp4
    │      章节9-3预训练模型VGG的代码实现.mp4
    │      章节9-4图像数据增强.mp4
    │      章节9-5学习速率衰减.mp4
    │      章节9-6RESNET预训练模型.mp4
    │      章节9-7微调与迁移学习.mp4
    │      章节9-8模型权重保存.mp4

    ├─10.Dataset数据输入
    │      章节10-1自定义输入Dataset类.mp4
    │      章节10-2获取图片路径和标签.mp4
    │      章节10-3创建四种天气数据集的Dataset.mp4
    │      章节10-4创建输入并可视化.mp4
    │      章节10-5划分测试数据和验证数据.mp4
    │      章节10-6灵活的使用Dataset类构建输入.mp4

    ├─11.现代网络架构
    │      章节11-1Resnet和残差结构介绍.mp4
    │      章节11-2Resnet结构代码实现(一).mp4
    │      章节11-3Resnet结构代码实现(二).mp4
    │      章节11-4DenseNet模型简介.mp4
    │      章节11-5DenseNet提取图片特征—获取图片和标签.mp4
    │      章节11-6类别编码、划分测试数据和训练数据.mp4
    │      章节11-7创建输入Dataset.mp4
    │      章节11-8创建Dataloader并可视化.mp4
    │      章节11-9使用DenseNet卷积提取特征.mp4
    │      章节11-10创建特征Dataset和分类模型.mp4
    │      章节11-11模型训练和预测简介.mp4
    │      章节11-12Inception网络结构简介.mp4
    │      章节11-13Inception结构代码实现(一).mp4
    │      章节11-14Inception结构代码实现(二).mp4
    │      章节11-15Inception结构应用和优化—Googlenet和inception_v3简介.mp4

    ├─12.图像定位
    │      章节12-1 常见图像处理任务和图像定位原理.mp4
    │      章节12-2 图像定位实例—数据观察与理解.mp4
    │      章节12-3 目标值得解析和可视化.mp4
    │      章节12-4 数据集路径读取与筛选.mp4
    │      章节12-5 解析xml目标值.mp4
    │      章节12-6 创建Dataset.mp4
    │      章节12-7 创建dataloader和图像可视化.mp4
    │      章节12-8 创建图像定位模型.mp4
    │      章节12-9 图像定位模型训练和预测.mp4

    ├─13.Unet图像语义分割
    │      章节13-1 图像语义分割简介.mp4
    │      章节13-2 UNET语义分割结构介绍.mp4
    │      章节13-3 语义分割输入输出 反卷积和Iou指标.mp4
    │      章节13-4 Unet 语义分割数据观察.mp4
    │      章节13-5 创建dataset输入.mp4
    │      章节13-6 创建和测试dataset并绘图.mp4
    │      章节13-7 下采样模型-.mp4
    │      章节13-8 上采样模型.mp4
    │      章节13-9 unet模型初始化部分.mp4
    │      章节13-10 前向传播部分.mp4
    │      章节13-11 模型训练-.mp4
    │      章节13-12 模型测试.mp4
    │      章节13-13 模型预测.mp4

    ├─14.LinNet图像语义分割
    │      章节14-1 LinkNet 图像语义分割简介.mp4
    │      章节14-2 无视频(课后作业,大家自己写出这个模型).mp4
    │      章节14-3 代码组织结构.mp4
    │      章节14-4 卷积模块.mp4
    │      章节14-5 反卷积.mp4
    │      章节14-6 编码器模块.mp4
    │      章节14-7 解码器模块.mp4
    │      章节14-8 输入和编码部分初始化.mp4
    │      章节14-9 解码器和输出部分初始化.mp4
    │      章节14-10 模型前向传播.mp4
    │      章节14-11 模型训练和Iou指标.mp4

    ├─15.文本分类与词嵌入表示
    │      章节15-1 文本表示与词嵌入.mp4
    │      章节15-2 文本向量化流程与分词.mp4
    │      章节15-3 文本向量化实现.mp4
    │      章节15-4 简单文本分类.mp4
    │      章节15-5 创建词表-认识数据集.mp4
    │      章节15-6 模型训练.mp4
    │      章节15-7 使用预训练的词向量.mp4

    ├─16.Rnn循环神经网络
    │      章节16-1 Rnn循环神经网络介绍.mp4
    │      章节16-2 RnnCell在序列上展开模型实现.mp4
    │      章节16-3 RnnCell简单文本分类模型.mp4
    │      章节16-4 Lstm网络简介.mp4
    │      章节16-5 LstmMcell实现文本分类.mp4
    │      章节16-6 GRU网络简介.mp4
    │      章节16-7 Lstm 高价API.mp4

    ├─17(一). twitter 评论情绪分类
    │      章节17-1 twitter 评论情绪分类-数据读取与观察.mp4
    │      章节17-2 twitter 评论情绪分类-创建词表.mp4
    │      章节17-3 划分训练测试数据,创建dataset.mp4
    │      章节17-4 基础文本分类模型.mp4
    │      章节17-5 Lstm 文本分类模型.mp4

    ├─17(二). 中文外卖评论情绪分类
    │      章节17-1(案例二) 中文外卖评论情绪分类-上.mp4
    │      章节17-2(案例二) 中文外卖评论情绪分类-下.mp4
    │      章节17-3 RNN的优化方法.mp4

    ├─18.注意力机制
    │      章节18-1 seq2seq简介.mp4
    │      章节18-2 注意力机制简介.mp4
    │      章节18-3 自注意力机制简介.mp4
    │      章节18-4 transformer 简介.mp4
    │      章节18-5 transformer 文本分类小案例.mp4

    ├─19. Rnn序列预测-北京空气质量
    │      章节19-1 数据读取与观察.mp4
    │      章节19-2 数据预处理.mp4
    │      章节19-3 数据预处理.mp4
    │      章节19-4 数据预处理.mp4
    │      章节19-5 创建dataset 输入.mp4
    │      章节19-6 创建时序预测模型.mp4
    │      章节19-7 模型训练跟预测.mp4
    │      章节19-8 模型预测演示.mp4

    ├─20. Tensorboard可视化
    │      章节20-1 Tensorboard 安装与导入.mp4
    │      章节20-2 Tensorboard 可视化.mp4
    │      章节20-3 Tensorboadr 网络模型结构可视化.mp4
    │      章节20-4 标量数据可视化.mp4

    ├─21.一维卷积网络
    │      章节21-1 一维卷积原理与网络结构.mp4
    │      章节21-2 中文分词.mp4
    │      章节21-3 创建词表.mp4
    │      章节21-4 划分数据集.mp4
    │      章节21-5 批处理函数.mp4
    │      章节21-6 模型初始化.mp4
    │      章节21-7 模型前向传播与训练.mp4

    ├─23.语义分割图片的标注——Labelme使用教程
    │      [23.1]--Labelme的安装和单张图片的标注.mp4
    │      [23.2]--从标注文件生成图像语义分割数据集.mp4
    │      [23.3]--标注图片的读取和验证.mp4

    ├─24.多任务学习
    │      [24.1]--多任务学习简介.mp4
    │      [24.2]--多任务标签预处理.mp4
    │      [24.3]--创建dataset.mp4
    │      [24.4]--多任务模型创建(一).mp4
    │      [24.5]--多任务模型创建(二).mp4
    │      [24.6]--多任务模型的训练.mp4

    ├─25.目标识别与目标检测
    │      [25.1]--目标识别综述——two_stage目标检测算法.mp4
    │      [25.2]--目标识别综述——one_stage目标检测算法.mp4
    │      [25.3]--PyTorch内置的目标检测模块.mp4
    │      [25.4]--使用PyTorch内置目标检测模块.mp4
    │      [25.5]--目标识别预测结果解读与可视化.mp4
    │      [25.6]--PyTorch目标检测的使用.mp4
    │      [25.7]--目标检测的图像标注.mp4
    │      [25.8]--标注自有数据集并安装所需的库.mp4
    │      [25.9]--修改PyTorch内置目标检测模型的输出.mp4
    │      [25.10]--目标识别标注文件的解析(一).mp4
    │      [25.11]--目标识别标注文件的解析(二).mp4
    │      [25.12]--创建输入Dataset.mp4
    │      [25.13]--创建dataloader、初始化模型和优化器.mp4
    │      [25.14]--目标识别的模型训练.mp4
    │      [25.15]--目标识别的模型预测.mp4
    └─课程资料
    │  Miniconda3和conda配置文件.zip
    │  unet_model权重_建议还是自己训练.zip
    │  VC_redist.x64.exe
    │  大型数据集.zip
    │  常见预训练模型权重.zip
    │  文本分类数据集.zip
    │  课件.zip

    └─参考代码和部分数据集
    └─参考代码
    1-18节参考代码和数据集.zip
    109节及之后参考代码.zip
    19-28节参考代码和数据集.zip
    29-42节参考代码和数据集.zip
    43节-54节参考代码.zip
    55-64节参考代码.zip
    65-72节DenseNet参考代码.zip
    7.Tensorboard和一维卷积(第21-22章)参考代码.zip
    73-81节参考代码.zip
    82-94节——Unet语义分割参考代码和数据集.zip
    目标识别一章资料.zip

    猜你喜欢

    猜你在找

    版权声明:
    1,本站资源收集于网络,只做学习和交流使用,版权归原作者所有,请在下载后24小时之内自觉删除。
    2,积分仅用来维持网站运营,性质为用户友情赞助,并非购买课程费用(1元=1积分);
    2,如本贴侵犯到您的权益,请按要求提供相应版权证明材料联系:sochaocom#qq.com(#改为@),侵权投诉
    潮课网 » 2022最新pytorch深度学习入门与简明实战教程百度云分享

    发表评论

    Hi, 如果你对课程有疑问,可以跟我联系哦!

    联系作者