PyTorch入门到进阶 实战计算机视觉与自然语言处理项目 理论基础+技术讲解+实战开发

第10章 循环神经网与NLP基础串讲 [135.3M]

10-1 RNN网络基础.mp4 [12.5M]

10-2 RNN常见网络结构-simple RNN网络.mp4 [17.4M]

10-3 Bi-RNN网络.mp4 [7.7M]

10-4 LSTM网络基础.mp4 [23.1M]

10-5 Attention结构.mp4 [19.2M]

10-6 Transformer结构.mp4 [20.1M]

10-7 BERT结构.mp4 [12.7M]

10-8 NLP基础概念介绍.mp4 [22.5M]

第11章 PyTorch实战中文文本情感分类问题 [366.5M]

11-1 文本情感分析-情感分类概念介绍.mp4 [16.4M]

11-10 文本情感分类-test脚本定义.mp4 [29M]

11-2 文本情感分类关键流程介绍.mp4 [3.4M]

11-3 文本情感分类之文本预处理.mp4 [13M]

11-4 文本情感分类之特征提取与文本表示.mp4 [11.2M]

11-5 文本情感分类之深度学习模型.mp4 [13.6M]

11-6 文本情感分类-数据准备.mp4 [82.6M]

11-7 文本情感分类-dataset类定义.mp4 [57.8M]

11-8 文本情感分类-model类定义.mp4 [58.7M]

11-9 文本情感分类-train脚本定义.mp4 [80.8M]

第12章 PyTorch实战机器翻译问题 [472.8M]

12-1 机器翻译相关方法-应用场景-评价方法.mp4 [27.7M]

12-2 Seq2Seq-Attention编程实例数据准备-模型结构-相关函数.mp4 [10.8M]

12-3 Seq2Seq-Attention编程实例-定义数据处理模块.mp4 [82.8M]

12-4 Seq2Seq-Attention编程实例-定义模型结构模块（上）.mp4 [64.9M]

12-5 Seq2Seq-Attention编程实例-定义模型结构模块（下）.mp4 [71.8M]

12-6 Seq2Seq-Attention编程实例-定义train模块（上）.mp4 [49M]

12-7 Seq2Seq-Attention编程实例-定义train模块（下）.mp4 [47.6M]

12-8 Seq2Seq-Attention编程实例-定义train模块-loss function.mp4 [79.6M]

12-9 Seq2Seq-Attention编程实例-定义eval模块.mp4 [38.6M]

第13章 PyTorch工程应用介绍 [49.2M]

13-1 PyTorch模型开发与部署基础平台介绍.mp4 [14.3M]

13-2 PyTorch工程化基础Torchscript.mp4 [14M]

13-3 PyTorch服务端发布平台Torchserver.mp4 [11.4M]

13-4 PyTorch终端推理基础ONNX.mp4 [9.4M]

第14章 [选修]Linux操作基础串讲 [34.8M]

14-1 linux操作基础串讲.mp4 [34.8M]

第15章 课程总结与回顾 [19.2M]

15-1 课程总结.mp4 [19.2M]

第1章 课程介绍-选择Pytorch的理由 [32M]

1-1 课程导学~1.mp4 [32M]

第2章 初识PyTorch框架与环境搭建 [157.4M]

2-1 初识Pytorch基本框架.mp4 [18.3M]

2-2 环境配置（1）.mp4 [22.6M]

2-3 环境配置（2）.mp4 [116.4M]

第3章 PyTorch入门基础串讲 [1.3G]

3-1 机器学习中的分类与回归问题-机器学习基本构成元素.mp4 [27.3M]

3-10 取整-余 (2).mp4 [9.2M]

3-11 比较运算-排序-topk-kthvalue-数据合法性校验 (2).mp4 [52.1M]

3-12 三角函数 (2).mp4 [9.4M]

3-13 其他数学函数.mp4 [15.1M]

3-14 Pytorch与统计学方法.mp4 [77.8M]

3-15 Pytorch与分布函数.mp4 [11.1M]

3-16 Pytorch与随机抽样.mp4 [21.2M]

3-17 Pytorch与线性代数运算.mp4 [60.4M]

3-18 Pytorch与矩阵分解-PCA.mp4 [50.4M]

3-19 Pytorch与矩阵分解-SVD分解-LDA.mp4 [28M]

3-2 Tensor的基本定义 (2).mp4 [8.5M]

3-20 Pytorch与张量裁剪.mp4 [32.2M]

3-21 Pytorch与张量的索引与数据筛选.mp4 [179.5M]

3-22 Pytorch与张量组合与拼接.mp4 [58.3M]

3-23 Pytorch与张量切片.mp4 [56.3M]

3-24 Pytorch与张量变形.mp4 [113.8M]

3-25 Pytorch与张量填充.mp4 [9.8M]

3-26 Pytorch与傅里叶变换.mp4 [1.8M]

3-27 Pytorch简单编程技巧.mp4 [53.6M]

3-28 Pytorch与autograd-导数-方向导数-偏导数-梯度的概念.mp4 [16.6M]

3-29 Pytorch与autograd-梯度与机器学习最优解.mp4 [26M]

3-3 Tensor与机器学习的关系 (2).mp4 [9.8M]

3-3 Tensor与机器学习的关系.mp4 [13.1M]

3-30 Pytorch与autograd-Variable$tensor.mp4 [4.5M]

3-31 Pytorch与autograd-如何计算梯度.mp4 [5.1M]

3-32 Pytorch与autograd中的几个重要概念-variable-grad-grad_fn.mp4 [22.2M]

3-33 Pytorch与autograd中的几个重要概念-function.mp4 [59.1M]

3-34 Pytorch与nn库.mp4 [50.9M]

3-35 Pytorch与visdom.mp4 [14.3M]

3-36 Pytorch与tensorboardX.mp4 [23.8M]

3-37 Pytorch与torchvision.mp4 [12.5M]

3-4 Tensor创建编程实例 (2).mp4 [43.6M]

3-5 Tensor的属性 (2).mp4 [10.2M]

3-6 Tensor的属性-稀疏的张量的编程实践 (2).mp4 [17.7M]

3-7 Tensor的算术运算 (2).mp4 [11.6M]

3-8 Tensor的算术运算编程实例 (2).mp4 [48.6M]

3-9 in-place的概念和广播机制 (2).mp4 [18M]

第4章 PyTorch搭建简单神经网络 [800.9M]

4-1 机器学习和神经网络的基本概念（1）.mp4 [77.8M]

4-2 机器学习和神经网络的基本概念（2）.mp4 [52.2M]

4-3 利用神经网络解决分类和回归问题（1）.mp4 [82.2M]

4-4 利用神经网络解决分类和回归问题（2）.mp4 [228.4M]

4-5 利用神经网络解决分类和回归问题（3）.mp4 [94.6M]

4-6 利用神经网络解决分类和回归问题（4）.mp4 [107.1M]

4-7 利用神经网络解决分类和回归问题（5）.mp4 [158.6M]

第5章 计算机视觉与卷积神经网络基础串讲 [538.3M]

5-1 计算机视觉基本概念.mp4 [91.3M]

5-10 多分支网络结构.mp4 [9.1M]

5-11 attention的网络结构.mp4 [37.4M]

5-12 学习率.mp4 [13.7M]

5-13 优化器.mp4 [21.3M]

5-14 卷积神经网添加正则化.mp4 [7M]

5-2 图像处理常见概念.mp4 [106.2M]

5-3 特征工程.mp4 [37.8M]

5-4 卷积神经网（上）.mp4 [49M]

5-5 卷积神经网（下）.mp4 [45.1M]

5-6 pooling层.mp4 [14.6M]

5-7 激活层-BN层-FC层-损失层.mp4 [36.9M]

5-8 经典卷积神经网络结构.mp4 [39.7M]

5-9 轻量型网络结构.mp4 [29.2M]

第6章 PyTorch实战计算机视觉任务-Cifar10图像分类 [893.5M]

1-1 图像分类网络模型框架解读（上）.mp4 [22.8M]

1-10 PyTorch搭建cifar10训练脚本搭建-ResNet结构（下）.mp4 [55.4M]

1-11 PyTorch搭建cifar10训练脚本搭建-Mobilenetv1结构.mp4 [52.5M]

1-12 PyTorch搭建cifar10训练脚本搭建-Inception结构（上）.mp4 [55.2M]

1-13 PyTorch搭建cifar10训练脚本搭建-Inception结构（下）.mp4 [39.1M]

1-14 PyTorch搭建cifar10训练脚本搭建-调用Pytorch标准网络ResNet18等.mp4 [27.1M]

1-15 PyTorch搭建cifar10推理测试脚本搭建.mp4 [37.9M]

1-16 分类问题优化思路.mp4 [41.3M]

1-17 分类问题最新研究进展和方向.mp4 [13.1M]

1-2 图像分类网络模型框架解读（下）.mp4 [30M]

1-3 cifar10数据介绍-读取-处理（上）.mp4 [44.4M]

1-4 cifar10数据介绍-读取-处理（下）.mp4 [55.3M]

1-5 PyTorch自定义数据加载-加载Cifar10数据.mp4 [67.4M]

1-6 PyTorch搭建 VGGNet 实现Cifar10图像分类.mp4 [69M]

1-7 PyTorch搭建cifar10训练脚本-tensorboard记录LOG（上）.mp4 [74.5M]

1-8 PyTorch搭建cifar10训练脚本-tensorboard记录LOG（下）.mp4 [135.1M]

1-9 PyTorch搭建cifar10训练脚本搭建-ResNet结构（上）.mp4 [73.3M]

第7章 Pytorch实战计算机视觉任务-Pascal VOC目标检测问题 [487M]

7-1 目标检测问题介绍（上）.mp4 [28.4M]

7-10 MMdetection LOG分析.mp4 [60.9M]

7-2 目标检测问题介绍（下）.mp4 [26.5M]

7-3 Pascal VOC-COCO数据集介绍.mp4 [9.3M]

7-4 MMdetection框架介绍-安装说明.mp4 [27.1M]

7-5 MMdetection框架使用说明.mp4 [21.6M]

7-6 MMdetection训练Passcal VOC目标检测任务（上）.mp4 [106M]

7-7 MMdetection训练Passcal VOC目标检测任务（中）.mp4 [89.8M]

7-8 MMdetection训练Passcal VOC目标检测任务（下）.mp4 [96.5M]

7-9 MMdetection Test脚本.mp4 [20.8M]

第8章 PyTorch实战计算机视觉任务-COCO目标分割问题 [413M]

8-1 图像分割基本概念.mp4 [20.4M]

8-2 图像分割方法介绍.mp4 [31.8M]

8-3 图像分割评价指标及目前面临的挑战.mp4 [17M]

8-4 COCO数据集介绍.mp4 [8.1M]

8-5 detectron框架介绍和使用简单说明.mp4 [17.8M]

8-6 coco数据集标注文件解析.mp4 [38.3M]

8-7 detectron源码解读和模型训练-demo测试.mp4 [279.7M]

第9章 PyTorch搭建GAN网络实战图像风格迁移 [418M]

9-1 GAN的基础概念和典型模型介绍（上）.mp4 [24.5M]

9-2 GAN的基础概念和典型模型介绍（下）.mp4 [30.1M]

9-3 图像风格转换数据下载与自定义dataset类.mp4 [54M]

9-4 cycleGAN模型搭建-model.mp4 [74.1M]

9-5 cycleGAN模型搭建-train（上）.mp4 [89.5M]

9-6 cycleGAN模型搭建-train（下）.mp4 [114M]

9-7 cycleGAN模型搭建-test.mp4 [31.8M]

课程资料.rar [24.5M]