文件清单 113 项

• 1-1 课程导学.mp4
• 2-1 初识Pytorch基本框架.mp4
• 2-3 环境配置(1).mp4
• 2-4 环境配置(2).mp4
• 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
• 3-2 Tensor的基本定义.mp4
• 3-3 Tensor与机器学习的关系.mp4
• 3-4 Tensor创建编程实例.mp4
• 3-5 Tensor的属性.mp4

展开全部 113 项

• 3-6 Tensor的属性-稀疏的张量的编程实践.mp4
• 3-7 Tensor的算术运算.mp4
• 3-8 Tensor的算术运算编程实例.mp4
• 3-9 in-place的概念和广播机制.mp4
• 3-10 取整-余.mp4
• 3-11 比较运算-排序-topk-kthvalue-数据合法性校验.mp4
• 3-12 三角函数.mp4
• 3-13 其他数学函数.mp4
• 3-14 Pytorch与统计学方法.mp4
• 3-15 Pytorch与分布函数.mp4
• 3-16 Pytorch与随机抽样.mp4
• 3-17 Pytorch与线性代数运算.mp4
• 3-18 Pytorch与矩阵分解-PCA.mp4
• 3-19 Pytorch与矩阵分解-SVD分解-LDA.mp4
• 3-20 Pytorch与张量裁剪.mp4
• 3-21 Pytorch与张量的索引与数据筛选.mp4
• 3-22 Pytorch与张量组合与拼接.mp4
• 3-23 Pytorch与张量切片.mp4
• 3-24 Pytorch与张量变形.mp4
• 3-25 Pytorch与张量填充&傅里叶变换.mp4
• 3-26 Pytorch简单编程技巧.mp4
• 3-27 Pytorch与autograd-导数-方向导数-偏导数-梯度的概念.mp4
• 3-28 Pytorch与autograd-梯度与机器学习最优解.mp4
• 3-29 Pytorch与autograd-Variable$tensor.mp4
• 3-30 Pytorch与autograd-如何计算梯度.mp4
• 4-1 机器学习和神经网络的基本概念(1).mp4
• 4-2 机器学习和神经网络的基本概念(2).mp4
• 4-3 利用神经网络解决分类和回归问题(1).mp4
• 4-4 利用神经网络解决分类和回归问题(2).mp4
• 4-5 利用神经网络解决分类和回归问题(3).mp4
• 4-6 利用神经网络解决分类和回归问题(4).mp4
• 4-7 利用神经网络解决分类和回归问题(5).mp4
• 5-1 计算机视觉基本概念.mp4
• 5-2 图像处理常见概念.mp4
• 5-3 特征工程.mp4
• 5-4 卷积神经网(上).mp4
• 5-5 卷积神经网(下).mp4
• 5-6 pooling层.mp4
• 5-7 激活层-BN层-FC层-损失层.mp4
• 5-8 经典卷积神经网络结构.mp4
• 5-9 轻量型网络结构.mp4
• 5-10 多分支网络结构.mp4
• 5-11 attention的网络结构.mp4
• 5-12 学习率.mp4
• 5-13 优化器.mp4
• 5-14 卷积神经网添加正则化.mp4
• 6-1 图像分类网络模型框架解读(上).mp4
• 6-2 图像分类网络模型框架解读(下).mp4
• 6-3 cifar10数据介绍-读取-处理(上).mp4
• 6-4 cifar10数据介绍-读取-处理(下).mp4
• 6-5 PyTorch自定义数据加载-加载Cifar10数据.mp4
• 6-6 PyTorch搭建 VGGNet 实现Cifar10图像分类.mp4
• 6-7 PyTorch搭建cifar10训练脚本-tensorboard记录LOG(上).mp4
• 6-8 PyTorch搭建cifar10训练脚本-tensorboard记录LOG(下).mp4
• 6-9 PyTorch搭建cifar10训练脚本搭建-ResNet结构(上).mp4
• 6-10 PyTorch搭建cifar10训练脚本搭建-ResNet结构(下).mp4
• 6-11 PyTorch搭建cifar10训练脚本搭建-Mobilenetv1结构.mp4
• 6-12 PyTorch搭建cifar10训练脚本搭建-Inception结构(上).mp4
• 6-13 PyTorch搭建cifar10训练脚本搭建-Inception结构(下).mp4
• 6-14 PyTorch搭建cifar10训练脚本搭建-调用Pytorch标准网络ResNet18等.mp4
• 6-15 PyTorch搭建cifar10推理测试脚本搭建.mp4
• 6-16 分类问题优化思路.mp4
• 6-17 分类问题最新研究进展和方向.mp4
• 7-1 目标检测问题介绍(上).mp4
• 7-2 目标检测问题介绍(下).mp4
• 7-3 Pascal VOC-COCO数据集介绍.mp4
• 7-4 MMdetection框架介绍-安装说明.mp4
• 7-7 MMdetection训练Passcal VOC目标检测任务(上).mp4
• 7-8 MMdetection训练Passcal VOC目标检测任务(中).mp4
• 7-9 MMdetection训练Passcal VOC目标检测任务(下).mp4
• 7-10 MMdetection Test脚本.mp4
• 7-11 MMdetection LOG分析.mp4
• 8-1 图像分割基本概念.mp4
• 8-2 图像分割方法介绍.mp4
• 8-3 图像分割评价指标及目前面临的挑战.mp4
• 8-4 COCO数据集介绍.mp4
• 8-5 detectron框架介绍和使用简单说明.mp4
• 8-6 coco数据集标注文件解析.mp4
• 8-7 detectron源码解读和模型训练-demo测试.mp4
• 9-1 GAN的基础概念和典型模型介绍(上).mp4
• 9-2 GAN的基础概念和典型模型介绍(下).mp4
• 9-4 cycleGAN模型搭建-model.mp4
• 9-5 cycleGAN模型搭建-train(上).mp4
• 9-6 cycleGAN模型搭建-train(下).mp4
• 9-7 cycleGAN模型搭建-test.mp4
• 10-1 RNN网络基础.mp4
• 10-2 RNN常见网络结构-simple RNN网络.mp4
• 10-3 Bi-RNN网络.mp4
• 10-4 LSTM网络基础.mp4
• 第1章 课程介绍-选择Pytorch的理由/
• 第2章 初识PyTorch框架与环境搭建/
• 第3章 PyTorch入门基础串讲/
• 第4章 PyTorch搭建简单神经网络/
• 第5章 计算机视觉与卷积神经网络基础串讲/
• 第6章 PyTorch实战计算机视觉任务-Cifar10图像分类/
• 第7章 Pytorch实战计算机视觉任务-Pascal VOC目标检测问题/
• 第8章 PyTorch实战计算机视觉任务-COCO目标分割问题/
• 第9章 PyTorch搭建GAN网络实战图像风格迁移/
• 第10章 循环神经网与NLP基础串讲/
• 第11章 PyTorch实战中文文本情感分类问题/
• 第12章 PyTorch实战机器翻译问题/
• 第13章 PyTorch工程应用介绍/
• 第14章 [选修]Linux操作基础串讲/
• 第15章 课程总结与回顾/