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。
吾生也有涯，而知也无涯。
-
T
-
H
-
H
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
A
返现请截订单图发我微信
WX: wangadou2012
返现请加微信:
wangadou2012
- 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