PyTorch入门到进阶 实战计算机视觉与自然语言处理项目

1[2.40G]

10[211.75M]

10-1RNN网络基础_.mp4[15.84M]

10-2RNN常见网络结构-simpleRNN网络_.mp4[23.72M]

10-3Bi-RNN网络_.mp4[9.59M]

10-4LSTM网络基础_.mp4[34.38M]

10-5Attention结构_.mp4[37.22M]

10-6Transformer结构_.mp4[33.28M]

10-7BERT结构_.mp4[25.66M]

10-8NLP基础概念介绍_.mp4[32.06M]

11[809.81M]

11-1文本情感分析-情感分类概念介绍_.mp4[23.50M]

11-10文本情感分类-test脚本定义_.mp4[63.38M]

11-2文本情感分类关键流程介绍_.mp4[3.75M]

11-3文本情感分类之文本预处理_.mp4[23.69M]

11-4文本情感分类之特征提取与文本表示_.mp4[39.44M]

11-5文本情感分类之深度学习模型_.mp4[36.81M]

11-6文本情感分类-数据准备_.mp4[184.69M]

11-7文本情感分类-dataset类定义_.mp4[129.09M]

11-8文本情感分类-model类定义_.mp4[122.59M]

11-9文本情感分类-train脚本定义_.mp4[182.88M]

12[1.00G]

12-1机器翻译相关方法-应用场景-评价方法_.mp4[49.44M]

12-2Seq2Seq-Attention编程实例数据准备-模型结构-相关函数_.mp4[20.34M]

12-3Seq2Seq-Attention编程实例-定义数据处理模块_.mp4[175.03M]

12-4Seq2Seq-Attention编程实例-定义模型结构模块（上）_.mp4[140.69M]

12-5Seq2Seq-Attention编程实例-定义模型结构模块（下）_.mp4[157.56M]

12-6Seq2Seq-Attention编程实例-定义train模块（上）_.mp4[103.91M]

12-7Seq2Seq-Attention编程实例-定义train模块（下）_.mp4[107.31M]

12-8Seq2Seq-Attention编程实例-定义train模块-lossfunction_.mp4[179.47M]

12-9Seq2Seq-Attention编程实例-定义eval模块_.mp4[90.59M]

13[90.25M]

13-1PyTorch模型开发与部署基础平台介绍_.mp4[15.75M]

13-2PyTorch工程化基础–Torchscript_.mp4[24.34M]

13-3PyTorch服务端发布平台–Torchserver_.mp4[22.91M]

13-4PyTorch终端推理基础–ONNX_.mp4[27.25M]

14[62.31M]

14-1linux操作基础串讲_.mp4[62.31M]

15[29.50M]

15-1课程总结_.mp4[29.50M]

1-1课程导学~1_(2).mp4[229.43M]

2[157.41M]

2-1初识Pytorch基本框架_.mp4[18.34M]

2-2环境配置（1）_.mp4[22.63M]

2-3环境配置（2）_.mp4[116.44M]

3[1.62G]

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[27.28M]

3-10取整-余_.mp4[26.13M]

3-11比较运算-排序-topk-kthvalue-数据合法性校验_.mp4[155.72M]

3-12三角函数_.mp4[23.59M]

3-13其他数学函数_.mp4[15.06M]

3-14Pytorch与统计学方法_.mp4[77.81M]

3-15Pytorch与分布函数_.mp4[11.13M]

3-16Pytorch与随机抽样_.mp4[21.19M]

3-17Pytorch与线性代数运算_.mp4[60.44M]

3-18Pytorch与矩阵分解-PCA_.mp4[50.41M]

3-19Pytorch与矩阵分解-SVD分解-LDA_.mp4[28.00M]

3-2Tensor的基本定义_.mp4[12.25M]

3-20Pytorch与张量裁剪_.mp4[32.22M]

3-21Pytorch与张量的索引与数据筛选_.mp4[179.47M]

3-22Pytorch与张量组合与拼接_.mp4[58.25M]

3-23Pytorch与张量切片_.mp4[56.34M]

3-24Pytorch与张量变形_.mp4[113.75M]

3-25Pytorch与张量填充_.mp4[9.84M]

3-26Pytorch与傅里叶变换_.mp4[1.81M]

3-27Pytorch简单编程技巧_.mp4[53.59M]

3-28Pytorch与autograd-导数-方向导数-偏导数-梯度的概念_.mp4[16.56M]

3-29Pytorch与autograd-梯度与机器学习最优解_.mp4[25.97M]

3-3Tensor与机器学习的关系_.mp4[13.09M]

3-30Pytorch与autograd-Variable$tensor_.mp4[4.53M]

3-31Pytorch与autograd-如何计算梯度_.mp4[5.09M]

3-32Pytorch与autograd中的几个重要概念-variable-grad-grad_fn_.mp4[22.19M]

3-33Pytorch与autograd中的几个重要概念-function_.mp4[59.09M]

3-34Pytorch与nn库_.mp4[50.88M]

3-35Pytorch与visdom_.mp4[14.28M]

3-36Pytorch与tensorboardX_.mp4[23.78M]

3-37Pytorch与torchvision_.mp4[12.53M]

3-4Tensor创建编程实例_.mp4[116.78M]

3-5Tensor的属性_.mp4[14.34M]

3-6Tensor的属性-稀疏的张量的编程实践_.mp4[52.25M]

3-7Tensor的算术运算_.mp4[18.06M]

3-8Tensor的算术运算编程实例_.mp4[153.56M]

3-9in-place的概念和广播机制_.mp4[40.31M]

4[800.88M]

4-1机器学习和神经网络的基本概念（1）_.mp4[77.84M]

4-2机器学习和神经网络的基本概念（2）_.mp4[52.19M]

4-3利用神经网络解决分类和回归问题（1）_.mp4[82.22M]

4-4利用神经网络解决分类和回归问题（2）_.mp4[228.41M]

4-5利用神经网络解决分类和回归问题（3）_.mp4[94.56M]

4-6利用神经网络解决分类和回归问题（4）_.mp4[107.06M]

4-7利用神经网络解决分类和回归问题（5）_.mp4[158.59M]

5[538.31M]

5-1计算机视觉基本概念_.mp4[91.31M]

5-10多分支网络结构_.mp4[9.13M]

5-11attention的网络结构_.mp4[37.38M]

5-12学习率_.mp4[13.72M]

5-13优化器_.mp4[21.34M]

5-14卷积神经网添加正则化_.mp4[7.00M]

5-2图像处理常见概念_.mp4[106.16M]

5-3特征工程_.mp4[37.75M]

5-4卷积神经网（上）_.mp4[49.03M]

5-5卷积神经网（下）_.mp4[45.09M]

5-6pooling层_.mp4[14.56M]

5-7激活层-BN层-FC层-损失层_.mp4[36.94M]

5-8经典卷积神经网络结构_.mp4[39.72M]

5-9轻量型网络结构_.mp4[29.19M]

6[1.76G]

1-1图像分类网络模型框架解读（上）_.mp4[25.69M]

1-10PyTorch搭建cifar10训练脚本搭建-ResNet结构（下）_.mp4[120.16M]

1-11PyTorch搭建cifar10训练脚本搭建-Mobilenetv1结构_.mp4[110.81M]

1-12PyTorch搭建cifar10训练脚本搭建-Inception结构（上）_.mp4[98.72M]

1-13PyTorch搭建cifar10训练脚本搭建-Inception结构（下）_.mp4[70.09M]

1-14PyTorch搭建cifar10训练脚本搭建-调用Pytorch标准网络ResNet18等_.mp4[52.81M]

1-15PyTorch搭建cifar10推理测试脚本搭建_.mp4[82.44M]

1-16分类问题优化思路_.mp4[63.00M]

1-17分类问题最新研究进展和方向_.mp4[48.09M]

1-2图像分类网络模型框架解读（下）_.mp4[41.66M]

1-3cifar10数据介绍-读取-处理（上）_.mp4[100.63M]

1-4cifar10数据介绍-读取-处理（下）_.mp4[114.25M]

1-5PyTorch自定义数据加载-加载Cifar10数据_.mp4[131.13M]

1-6PyTorch搭建VGGNet实现Cifar10图像分类_.mp4[122.13M]

1-7PyTorch搭建cifar10训练脚本-tensorboard记录LOG（上）_.mp4[149.00M]

1-8PyTorch搭建cifar10训练脚本-tensorboard记录LOG（下）_.mp4[328.19M]

1-9PyTorch搭建cifar10训练脚本搭建-ResNet结构（上）_.mp4[140.13M]

7[1.23G]

7-1目标检测问题介绍（上）_.mp4[56.72M]

7-10MMdetectionLOG分析_.mp4[170.00M]

7-2目标检测问题介绍（下）_.mp4[52.69M]

7-3PascalVOC-COCO数据集介绍_.mp4[15.06M]

7-4MMdetection框架介绍-安装说明_.mp4[43.31M]

7-5MMdetection框架使用说明_.mp4[51.75M]

7-6MMdetection训练PasscalVOC目标检测任务（上）_.mp4[290.97M]

7-7MMdetection训练PasscalVOC目标检测任务（中）_.mp4[236.06M]

7-8MMdetection训练PasscalVOC目标检测任务（下）_.mp4[286.19M]

7-9MMdetectionTest脚本_.mp4[55.78M]

8[1.02G]

8-1图像分割基本概念_.mp4[36.81M]

8-2图像分割方法介绍_.mp4[54.16M]

8-3图像分割评价指标及目前面临的挑战_.mp4[23.25M]

8-4COCO数据集介绍_.mp4[13.75M]

8-5detectron框架介绍和使用简单说明_.mp4[28.34M]

8-6coco数据集标注文件解析_.mp4[84.97M]

8-7detectron源码解读和模型训练-demo测试_.mp4[800.16M]

9[904.00M]

9-1GAN的基础概念和典型模型介绍（上）_.mp4[34.28M]

9-2GAN的基础概念和典型模型介绍（下）_.mp4[57.47M]

9-3图像风格转换数据下载与自定义dataset类_.mp4[120.69M]

9-4cycleGAN模型搭建-model_.mp4[142.75M]

9-5cycleGAN模型搭建-train（上）_.mp4[198.31M]

9-6cycleGAN模型搭建-train（下）_.mp4[284.16M]

9-7cycleGAN模型搭建-test_.mp4[66.34M]

资料[143.33M]

资料.zip[143.33M]