深度学习与PyTorch入门实战教程 /
人工智能101学院
人工智能101学院提供最前沿的人工智能资讯和最专业的咨询服务,拥有丰富的海外一流名校博士导师资源,做华人圈最好的人工智能一站式培训学院。
 
  • 课程目录
  • 课程介绍
  • 课时1:lesson1-深度学习用什么框架

  • 课时2:lesson2-开发环境准备

  • 课时3:lesson3-简单回归案例 1

  • 课时4:lesson3-简单回归案例 2

  • 课时5:lesson4-简单回归案例实战

  • 课时6:lesson5-手写数字问题引入-1

  • 课时7:lesson5-手写数字问题引入-2

  • 课时8:lesson6-基本数据类型-1

  • 课时9:lesson6-基本数据类型-2

  • 课时10:lesson7-创建Tensor-1

  • 课时11:lesson7-创建Tensor-2

  • 课时12:lesson8-索引与切片-1

  • 课时13:lesson8-索引与切片-2

  • 课时14:lesson9-Tensor变换-1

  • 课时15:lesson9-Tensor变换-2

  • 课时16:lesson9-Tensor变换-3

  • 课时17:lesson9-Tensor变换-4

  • 课时18:lesson10-Broadcasting-1

  • 课时19:lesson10-Broadcasting-2

  • 课时20:lesson11-Tensor合并与分割-1

  • 课时21:lesson11-Tensor合并与分割-2

  • 课时22:lesson12-Tensor运算

  • 课时23:lesson13-Tensor统计-1

  • 课时24:lesson13-Tensor统计-2

  • 课时25:lesson14-Tensor高阶

  • 课时26:lesson16-什么是梯度-1

  • 课时27:lesson16-什么是梯度-2

  • 课时28:lesson17-常见梯度

  • 课时29:lesson18-激活函数与Loss的梯度-1

  • 课时30:lesson18-激活函数与Loss的梯度-2

  • 课时31:lesson18-激活函数与Loss的梯度-3

  • 课时32:lesson19-感知机的梯度推导-1

  • 课时33:lesson19-感知机的梯度推导-2

  • 课时34:lesson20-链式法则

  • 课时35:lesson21-MLP反向传播推导

  • 课时36:lesson22-优化问题实战

  • 课时37:lesson24-Logistic Regression

  • 课时38:lesson25-交叉熵

  • 课时39:lesson26-LR多分类实战

  • 课时40:lesson27-MLP网络层

  • 课时41:lesson28-激活函数与GPU加速

  • 课时42:lesson29-MNIST实战测试

  • 课时43:lesson30-Visdom可视化

  • 课时44:lesson31-过拟合与欠拟合

  • 课时45:lesson32-Train-Val-Test-交叉验证-1

  • 课时46:lesson32-Train-Val-Test-交叉验证-2

  • 课时47:lesson33-regularization

  • 课时48:lesson34-动量与lr衰减

  • 课时49:lesson35-early stopping, dropout, batch

  • 课时50:lesson37-什么是卷积-1

  • 课时51:lesson37-什么是卷积-2

  • 课时52:lesson38-卷积神经网络-1

  • 课时53:lesson38-卷积神经网络-2

  • 课时54:lesson38-卷积神经网络-3

  • 课时55:lesson39-池化层&差值

  • 课时56:lesson40-BatchNorm-1

  • 课时57:lesson40-BatchNorm-2

  • 课时58:lesson41-经典卷积神经网络 LeNet5,AlexNet, VGG, GoogLeNet-1

  • 课时59:lesson41-经典卷积神经网络 LeNet5,AlexNet, VGG, GoogLeNet-2

  • 课时60:lesson42-ResNet, DenseNet-1

  • 课时61:lesson42-ResNet, DenseNet-2

  • 课时62:lesson43-nn.Module-1

  • 课时63:lesson43-nn.Module-2

  • 课时64:lesson44-数据增强

  • 课时65:CIFAR10数据集介绍

  • 课时66:卷积神经网络实战-1

  • 课时67:卷积神经网络实战-2

  • 课时68:卷积神经网络训练

  • 课时69:深度残差网络

  • 课时70:ResNet18实战

  • 课时71:实战小结

  • 课时72:lesson46-时间序列表示

  • 课时73:lesson47-RNN原理-1

  • 课时74:lesson47-RNN原理-2

  • 课时75:lesson48-RNN Layer使用-1

  • 课时76:lesson48-RNN Layer使用-2

  • 课时77:lesson49-时间序列预测实战

  • 课时78:lesson50-RNN训练难题

  • 课时79:lesson51-LSTM原理-1

  • 课时80:lesson51-LSTM原理-2

  • 课时81:lesson52-LSTM Layer使用

  • 课时82:lesson53-情感分类问题实战

  • 课时83:lesson54-数据分布

  • 课时84:lesson55-画家的成长历程

  • 课时85:lesson56-GAN发展

  • 课时86:lesson57-纳什均衡-D

  • 课时87:lesson58-纳什均衡-G

  • 课时88:lesson59-JS散度的弊端

  • 课时89:lesson60-EM距离

  • 课时90:lesson61-WGAN与WGAN-GP

  • 课时91:lesson62-G和D实现

  • 课时92:lesson63-GAN实战

  • 课时93:lesson64-GAN训练不稳定

  • 课时94:lesson65-WGAN-GP实战

  • 课时95:无监督学习

  • 课时96:自动编码器Auto-Encoder原理

  • 课时97:Auto-Encoder变种

  • 课时98:Adversarial Auto-Encoder

  • 课时99:变分Auto-Encoder引入

  • 课时100:Reparameterization trick

  • 课时101:变分自编码器VAE

  • 课时102:Auto-Encoder实战-1

  • 课时103:Auto-Encoder实战-2

  • 课时104:变分Auto-Encoder实战-1

  • 课时105:变分Auto-Encoder实战-2

  • 课时106:Ubuntu系统安装

  • 课时107:Anaconda安装

  • 课时108:CUDA 10安装

  • 课时109:环境变量配置

  • 课时110:cudnn安装

  • 课时111:PyCharm安装与配置

  • 课时112:生物神经元结构

  • 课时113:感知机的提出

  • 课时114:BP神经网络

  • 课时115:CNN和LSTM的发明

  • 课时116:人工智能的低潮

  • 课时117:深度学习的诞生

  • 课时118:深度学习的繁荣

  • 课时119:权值的表示

  • 课时120:多层感知机的实现

  • 课时121:多层感知机前向传播

  • 课时122:多层感知机反向传播

  • 课时123:多层感知机反向传播-2

  • 课时124:多层感知机反向传播-3

  • 课时125:多层感知机的训练

  • 课时126:多层感知机的测试

  • 课时127:实战小结

课程概述

亚洲排名第1的新加坡国立大学AI团队倾情打造,资深研究员龙龙老师主讲,帮助人工智能、深度学习初学者快速、深刻理解深度学习算法原理与实践。【莫烦老师】权威推荐:在教学中,龙龙老师以简短高效的方式,从深度学习的多个角度向我们展开了论述,非常适合想对深度学习有全方位了解的朋友。【PyTorch中文网】:讲解简单易懂、由浅入深,是一门值得推荐的课程。课程特色:1. 通俗易懂,快速入门对深度学习算法追本溯源、循序渐进式讲解,学员不需要任何机器学习基础,只需要写过代码即可轻松上手。2. 实用主导,简单高效使用新手最容易掌握的深度学习框架PyTorch实战,比起使用TensorFlow的课程难度降低了约50%,而且PyTorch是业界最灵活,最受好评的框架。3. 案例为师,实战护航基于计算机视觉和NLP领域的经典数据集,从零开始结合PyTorch与深度学习算法完成多个案例实战。4. 持续更新,永久有效一次购买,永久有效。深度学习课程会持续更新下去,内容和学术界最前沿算法保持同步。课程的源代码和PPT请加QQ群(926107229)下载。课程大纲: