极客时间 方远 PyTorch 深度学习实战（完结）
内容简介
PyTorch 框架发展迅猛，仅用了一年多的时间，几乎占据深度学习框架的半壁江山。
如果你即将进入，或者已经进入了深度学习、机器学习这些相关领域，PyTorch 能够帮你实现模型和算法，快速完成深度学习模型部署，提供高并发服务，还可以轻松实现图像生成、文本分析、情感分析这样有趣的实验。另外，很多算法相关岗位，也同样需要熟练使用 PyTorch。
这意味着，一旦你掌握了 PyTorch，就相当于走上了深度学习与机器学习的快车道。
但想要快速入门、上手 PyTorch，也面临这样一些挑战：
缺乏系统资料：网上的学习资料良莠不齐，缺乏科学的学习路径；
无法进阶深入：张量、神经网络等前置知识需求多，深入理解 PyTorch 原理门槛高；
难以落地实践：各种函数、参数多且难记忆，真正实践不知从何下手。
基于此，方远老师将结合自己丰富的实战经验，为你呈现一套系统完整的 PyTorch 技术学习框架（基于 PyTorch 1.9.0 版本），让你从原理到项目一站式攻克学习难题，熟练掌握 PyTorch 框架，解决实际问题。
资源目录
——/计算机教程/02极客时间/100093301-专栏课-方远-PyTorch 深度学习实战（完结）/
01-开篇词(1讲)
开篇词丨如何高效入门PyTorch？.html 1.83M
开篇词丨如何高效入门PyTorch？.m4a 7.81M
开篇词丨如何高效入门PyTorch？.pdf 2.67M
02-基础篇(3讲)
01丨PyTorch：网红中的顶流明星.html 4.37M
01丨PyTorch：网红中的顶流明星.m4a 9.96M
01丨PyTorch：网红中的顶流明星.pdf 5.22M
02丨NumPy（上）：核心数据结构详解.html 2.62M
02丨NumPy（上）：核心数据结构详解.m4a 12.84M
02丨NumPy（上）：核心数据结构详解.pdf 3.56M
03丨NumPy（下）：深度学习中的常用操作.html 2.51M
03丨NumPy（下）：深度学习中的常用操作.m4a 12.48M
03丨NumPy（下）：深度学习中的常用操作.pdf 2.12M
04丨Tensor：PyTorch中最基础的计算单元.html 1.94M
04丨Tensor：PyTorch中最基础的计算单元.m4a 11.98M
04丨Tensor：PyTorch中最基础的计算单元.pdf 2.42M
05丨Tensor变形记：快速掌握Tensor切分、变形等方法.html 4.22M
05丨Tensor变形记：快速掌握Tensor切分、变形等方法.m4a 11.29M
05丨Tensor变形记：快速掌握Tensor切分、变形等方法.pdf 3.59M
03-模型训练篇 (2讲)
06丨Torchvision（上）：数据读取，训练开始的第一步.html 2.74M
06丨Torchvision（上）：数据读取，训练开始的第一步.m4a 9.63M
06丨Torchvision（上）：数据读取，训练开始的第一步.pdf 4.05M
07丨Torchvision（中）：数据增强，让数据更加多样性.html 2.64M
07丨Torchvision（中）：数据增强，让数据更加多样性.m4a 11.00M
07丨Torchvision（中）：数据增强，让数据更加多样性.pdf 2.89M
08丨Torchvision（下）：其他有趣的功能.html 3.24M
08丨Torchvision（下）：其他有趣的功能.m4a 10.30M
08丨Torchvision（下）：其他有趣的功能.pdf 4.45M
09丨卷积（上）：计算机的眼睛.html 2.51M
09丨卷积（上）：计算机的眼睛.m4a 11.44M
09丨卷积（上）：计算机的眼睛.pdf 3.19M
10丨卷积（下）：计算机的眼睛.html 4.07M
10丨卷积（下）：计算机的眼睛.m4a 10.37M
10丨卷积（下）：计算机的眼睛.pdf 4.70M
11丨损失函数：如何帮助模型学会“自省”？.html 4.61M
11丨损失函数：如何帮助模型学会“自省”？.m4a 10.71M
11丨损失函数：如何帮助模型学会“自省”？.pdf 5.06M
12丨计算梯度：网络的前向与反向传播.html 2.49M
12丨计算梯度：网络的前向与反向传播.m4a 9.11M
12丨计算梯度：网络的前向与反向传播.pdf 3.19M
13丨优化方法：更新模型参数的方法.html 6.83M
13丨优化方法：更新模型参数的方法.m4a 8.90M
13丨优化方法：更新模型参数的方法.pdf 5.30M
14丨构建网络：一站式实现模型搭建与训练.html 3.40M
14丨构建网络：一站式实现模型搭建与训练.m4a 11.18M
14丨构建网络：一站式实现模型搭建与训练.pdf 7.80M
15丨可视化工具：如何实现训练的可视化监控？.html 3.19M
15丨可视化工具：如何实现训练的可视化监控？.m4a 7.85M
15丨可视化工具：如何实现训练的可视化监控？.pdf 3.56M
16丨分布式训练：如何加速你的模型训练？.html 3.29M
16丨分布式训练：如何加速你的模型训练？.m4a 11.83M
16丨分布式训练：如何加速你的模型训练？.pdf 3.24M
加餐丨机器学习其实就那么几件事.html 1.60M
加餐丨机器学习其实就那么几件事.m4a 7.33M
加餐丨机器学习其实就那么几件事.pdf 2.52M
04-实战篇(1讲)
17丨图像分类（上）：图像分类原理与图像分类模型.html 5.35M
17丨图像分类（上）：图像分类原理与图像分类模型.m4a 11.66M
17丨图像分类（上）：图像分类原理与图像分类模型.pdf 6.39M
18丨图像分类（下）：如何构建一个图像分类模型€.m4a 10.61M
18丨图像分类（下）：如何构建一个图像分类模型_.html 4.30M
18丨图像分类（下）：如何构建一个图像分类模型_.pdf 8.15M
19丨图像分割（上）：详解图像分割原理与图像分割模型.html 7.17M
19丨图像分割（上）：详解图像分割原理与图像分割模型.m4a 7.96M
19丨图像分割（上）：详解图像分割原理与图像分割模型.pdf 8.76M
20丨图像分割（下）：如何构建一个图像分割模型？.html 10.10M
20丨图像分割（下）：如何构建一个图像分割模型？.m4a 9.07M
20丨图像分割（下）：如何构建一个图像分割模型？.pdf 12.02M
21丨NLP基础（上）：详解自然语言处理原理与常用算法.html 3.56M
21丨NLP基础（上）：详解自然语言处理原理与常用算法.m4a 11.02M
21丨NLP基础（上）：详解自然语言处理原理与常用算法.pdf 3.77M
22丨NLP基础（下）：详解语言模型与注意力机制.html 2.68M
22丨NLP基础（下）：详解语言模型与注意力机制.m4a 9.37M
22丨NLP基础（下）：详解语言模型与注意力机制.pdf 3.84M
23丨情感分析：如何使用LSTM进行情感分析？.html 5.24M
23丨情感分析：如何使用LSTM进行情感分析？.m4a 8.40M
23丨情感分析：如何使用LSTM进行情感分析？.pdf 6.14M
24丨文本分类：如何使用BERT构建文本分类模型？.html 2.50M
24丨文本分类：如何使用BERT构建文本分类模型？.m4a 7.19M
24丨文本分类：如何使用BERT构建文本分类模型？.pdf 3.98M
25丨摘要：如何快速实现自动文摘生成？.html 1.99M
25丨摘要：如何快速实现自动文摘生成？.m4a 6.20M
25丨摘要：如何快速实现自动文摘生成？.pdf 2.08M
05-结束语(1讲)
结束语丨人生充满选择，选择与努力同样重要.html 3.03M
结束语丨人生充满选择，选择与努力同样重要.m4a 4.47M
结束语丨人生充满选择，选择与努力同样重要.pdf 3.77M
