深度学习-PyTorch框架实战系列

深度学习-PyTorch框架实战系列

唐宇迪 唐宇迪,计算机博士,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专家。参与多个国家级计算机视觉项目,多年数据领域培训经验,丰富的教学讲解经验。
  • 课程目录
  • 课程介绍
  • 课时1:PyTorch实战课程简介

  • 课时2:PyTorch框架发展趋势简介

  • 课时3:框架安装方法(CPU与GPU版本)

  • 课时4:PyTorch基本操作

  • 课时5:自动求导机制

  • 课时6:线性回归DEMO-数据与参数配置

  • 课时7:线性回归DEMO-训练回归模型

  • 课时8:补充:常见tensor格式

  • 课时9:补充:Hub模块简介

  • 课时10:本章数据代码下载(需PC登录)

  • 课时11:数据代码下载汇总(包括全部章节,如失效请右侧私信我)

  • 课时12:气温数据集与任务介绍

  • 课时13:按建模顺序构建完成网络架构

  • 课时14:简化代码训练网络模型

  • 课时15:分类任务概述

  • 课时16:构建分类网络模型

  • 课时17:DataSet模块介绍与应用方法

  • 课时18:本章数据代码下载(需PC登录)

  • 课时19:卷积神经网络应用领域

  • 课时20:卷积的作用

  • 课时21:卷积特征值计算方法

  • 课时22:得到特征图表示

  • 课时23:步长与卷积核大小对结果的影响

  • 课时24:边缘填充方法

  • 课时25:特征图尺寸计算与参数共享

  • 课时26:池化层的作用

  • 课时27:整体网络架构

  • 课时28:VGG网络架构

  • 课时29:残差网络Resnet

  • 课时30:本章数据代码下载(需PC登录)

  • 课时31:感受野的作用

  • 课时32:卷积网络参数定义

  • 课时33:网络流程解读

  • 课时34:Vision模块功能解读

  • 课时35:分类任务数据集定义与配置

  • 课时36:图像增强的作用

  • 课时37:数据预处理与数据增强模块

  • 课时38:Batch数据制作

  • 课时39:本章数据代码下载(需PC登录)

  • 课时40:迁移学习的目标

  • 课时41:迁移学习策略

  • 课时42:加载训练好的网络模型

  • 课时43:优化器模块配置

  • 课时44:实现训练模块

  • 课时45:训练结果与模型保存

  • 课时46:加载模型对测试数据进行预测

  • 课时47:额外补充-Resnet论文解读

  • 课时48:额外补充-Resnet网络架构解读

  • 课时49:RNN网络架构解读

  • 课时50:词向量模型通俗解释

  • 课时51:模型整体框架

  • 课时52:本章数据代码下载(需PC登录)

  • 课时53:训练数据构建

  • 课时54:CBOW与Skip-gram模型

  • 课时55:负采样方案

  • 课时56:任务目标与数据简介

  • 课时57:RNN模型所需输入格式解析

  • 课时58:项目配置参数设置

  • 课时59:新闻数据读取与预处理方法

  • 课时60:LSTM网络模块定义与参数解析

  • 课时61:本章数据代码下载(需PC登录)

  • 课时62:训练LSTM文本分类模型

  • 课时63:Tensorboardx可视化展示模块搭建

  • 课时64:CNN应用于文本任务原理解析

  • 课时65:网络模型架构与效果展示

  • 课时66:本章数据代码下载(需PC登录)

  • 课时67:对抗生成网络通俗解释

  • 课时68:GAN网络组成

  • 课时69:损失函数解释说明

  • 课时70:数据读取模块

  • 课时71:生成与判别网络定义

  • 课时72:CycleGan网络所需数据

  • 课时73:CycleGan整体网络架构

  • 课时74:PatchGan判别网络原理

  • 课时75:Cycle开源项目简介

  • 课时76:数据读取与预处理操作

  • 课时77:生成网络模块构造

  • 课时78:判别网络模块构造

  • 课时79:损失函数:identity loss计算方法

  • 课时80:生成与判别损失函数指定

  • 课时81:额外补充:VISDOM可视化配置

  • 课时82:本章数据代码下载(需PC登录)

  • 课时83:OCR文字识别要完成的任务

  • 课时84:CTPN文字检测网络概述

  • 课时85:序列网络的作用

  • 课时86:输出结果含义解析

  • 课时87:CTPN细节概述

  • 课时88:CRNN识别网络架构

  • 课时89:CTC模块的作用

  • 课时90:OCR文字检测识别项目效果展示

  • 课时91:本章数据代码下载(需PC登录)

  • 课时92:训练数据准备与环境配置

  • 课时93:检测模块候选框生成

  • 课时94:候选框标签制作

  • 课时95:整体网络所需模块

  • 课时96:网络架构各模块完成的任务解读

  • 课时97:CRNN识别模块所需数据与标签

  • 课时98:识别模块网络架构解读

  • 课时99:本章数据代码下载(需PC登录)

  • 课时100:3D卷积原理解读

  • 课时101:UCF101动作识别数据集简介

  • 课时102:测试效果与项目配置

  • 课时103:视频数据预处理方法

  • 课时104:数据Batch制作方法

  • 课时105:3D卷积网络所涉及模块

  • 课时106:训练网络模型

  • 课时107:BERT任务目标概述

  • 课时108:本章数据代码下载(需PC登录)

  • 课时109:传统解决方案遇到的问题

  • 课时110:注意力机制的作用

  • 课时111:self-attention计算方法

  • 课时112:特征分配与softmax机制

  • 课时113:Multi-head的作用

  • 课时114:位置编码与多层堆叠

  • 课时115:transformer整体架构梳理

  • 课时116:BERT模型训练方法

  • 课时117:训练实例

  • 课时118:BERT开源项目简介

  • 课时119:项目参数配置

  • 课时120:本章数据代码下载(需PC登录)

  • 课时121:数据读取模块

  • 课时122:数据预处理模块

  • 课时123:tfrecord制作

  • 课时124:Embedding层的作用

  • 课时125:加入额外编码特征

  • 课时126:加入位置编码特征

  • 课时127:mask机制

  • 课时128:构建QKV矩阵

  • 课时129:完成Transformer模块构建

  • 课时130:训练BERT模型

  • 课时131:本章数据代码下载(需PC登录)

  • 课时132:项目配置与环境概述

  • 课时133:数据读取与预处理

  • 课时134:网络结构定义

  • 课时135:训练网络模型

  • 课时136:本章数据代码下载

  • 课时137:本章数据代码下载(需PC登录)

  • 课时138:项目模板各模块概述

  • 课时139:各模块配置参数解析

  • 课时140:数据读取与预处理模块功能解读

  • 课时141:模型架构模块

  • 课时142:训练模块功能

  • 课时143:训练结果可视化展示模块

  • 课时144:模块应用与BenckMark解读

课程概述

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。

随机推荐

佳能一次性用品适合入手吗?良心评测点评!

佳能一次性用品使用舒适度如何?详细评测分享?

光合星球宝宝零食点评怎么样?评测不看后悔!

光合星球宝宝零食推荐哪款?专业老用户评测?

bc babycare婴童浴巾-浴衣可靠性如何?使用体验!

bc babycare婴童浴巾-浴衣入手怎么样?买前必看的产品评测!