网站资源均收集于公开网络,仅供学习和交流。版权归版权人所有,所标价格为资源收集整理费用,如喜欢作品请支持正版。
网盘链接:
1. 课程介绍-选择Pytorch的理由
- 1-1 课程导学
2. 初识PyTorch框架与环境搭建
- 2-1 初识Pytorch基本框架
- 2-2 【讨论题】比较动态图与静态图推理框架
- 2-3 环境配置(1)
- 2-4 环境配置(2)
3. PyTorch入门基础串讲
- 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
- 3-2 Tensor的基本定义
- 3-3 Tensor与机器学习的关系
- 3-4 Tensor创建编程实例
- 3-5 Tensor的属性
- 3-6 Tensor的属性-稀疏的张量的编程实践
- 3-7 Tensor的算术运算
- 3-8 Tensor的算术运算编程实例
- 3-9 in-place的概念和广播机制
- 3-10 取整-余
- 3-11 比较运算-排序-topk-kthvalue-数据合法性校验
- 3-12 三角函数
- 3-13 其他数学函数
- 3-14 Pytorch与统计学方法
- 3-15 Pytorch与分布函数
- 3-16 Pytorch与随机抽样
- 3-17 Pytorch与线性代数运算
- 3-18 Pytorch与矩阵分解-PCA
- 3-19 Pytorch与矩阵分解-SVD分解-LDA
- 3-20 Pytorch与张量裁剪
- 3-21 Pytorch与张量的索引与数据筛选
- 3-22 Pytorch与张量组合与拼接
- 3-23 Pytorch与张量切片
- 3-24 Pytorch与张量变形
- 3-25 Pytorch与张量填充&傅里叶变换
- 3-26 Pytorch简单编程技巧
- 3-27 Pytorch与autograd-导数-方向导数-偏导数-梯度的概念
- 3-28 Pytorch与autograd-梯度与机器学习最优解
- 3-29 Pytorch与autograd-Variable$tensor
- 3-30 Pytorch与autograd-如何计算梯度
- 3-31 Pytorch与autograd中的几个重要概念-variable-grad-grad_fn
- 3-32 Pytorch与autograd中的几个重要概念-autograd例子
- 3-33 Pytorch与autograd中的几个重要概念-function
- 3-34 Pytorch与nn库
- 3-35 Pytorch与visdom
- 3-36 Pytorch与tensorboardX
- 3-37 Pytorch与torchvision
4. PyTorch搭建简单神经网络
- 4-1 机器学习和神经网络的基本概念(1)
- 4-2 机器学习和神经网络的基本概念(2)
- 4-3 利用神经网络解决分类和回归问题(1)
- 4-4 利用神经网络解决分类和回归问题(2)
- 4-5 利用神经网络解决分类和回归问题(3)
- 4-6 利用神经网络解决分类和回归问题(4)
- 4-7 利用神经网络解决分类和回归问题(5)
5. 计算机视觉与卷积神经网络基础串讲
- 5-1 计算机视觉基本概念
- 5-2 图像处理常见概念
- 5-3 特征工程
- 5-4 卷积神经网(上)
- 5-5 卷积神经网(下)
- 5-6 pooling层
- 5-7 激活层-BN层-FC层-损失层
- 5-8 经典卷积神经网络结构
- 5-9 轻量型网络结构
- 5-10 多分支网络结构
- 5-11 attention的网络结构
- 5-12 学习率
- 5-13 优化器
- 5-14 卷积神经网添加正则化
6. PyTorch实战计算机视觉任务-Cifar10图像分类
- 6-1 图像分类网络模型框架解读(上)
- 6-2 图像分类网络模型框架解读(下)
- 6-3 cifar10数据介绍-读取-处理(上)
- 6-4 cifar10数据介绍-读取-处理(下)
- 6-5 PyTorch自定义数据加载-加载Cifar10数据
- 6-6 PyTorch搭建 VGGNet 实现Cifar10图像分类
- 6-7 PyTorch搭建cifar10训练脚本-tensorboard记录LOG(上)
- 6-8 PyTorch搭建cifar10训练脚本-tensorboard记录LOG(下)
- 6-9 PyTorch搭建cifar10训练脚本搭建-ResNet结构(上)
- 6-10 PyTorch搭建cifar10训练脚本搭建-ResNet结构(下)
- 6-11 PyTorch搭建cifar10训练脚本搭建-Mobilenetv1结构
- 6-12 PyTorch搭建cifar10训练脚本搭建-Inception结构(上)
- 6-13 PyTorch搭建cifar10训练脚本搭建-Inception结构(下)
- 6-14 PyTorch搭建cifar10训练脚本搭建-调用Pytorch标准网络ResNet18等
- 6-15 PyTorch搭建cifar10推理测试脚本搭建
- 6-16 分类问题优化思路
- 6-17 分类问题最新研究进展和方向
7. Pytorch实战计算机视觉任务-Pascal VOC目标检测问题
- 7-1 目标检测问题介绍(上)
- 7-2 目标检测问题介绍(下)
- 7-3 Pascal VOC-COCO数据集介绍
- 7-4 MMdetection框架介绍-安装说明
- 7-5 MMdetection框架使用说明
- 7-6 【讨论题】比较mmdetection与detectron
- 7-7 MMdetection训练Passcal VOC目标检测任务(上)
- 7-8 MMdetection训练Passcal VOC目标检测任务(中)
- 7-9 MMdetection训练Passcal VOC目标检测任务(下)
- 7-10 MMdetection Test脚本
- 7-11 MMdetection LOG分析
8. PyTorch实战计算机视觉任务-COCO目标分割问题
- 8-1 图像分割基本概念
- 8-2 图像分割方法介绍
- 8-3 图像分割评价指标及目前面临的挑战
- 8-4 COCO数据集介绍
- 8-5 detectron框架介绍和使用简单说明
- 8-6 coco数据集标注文件解析
- 8-7 detectron源码解读和模型训练-demo测试
- 8-8 【讨论题】比较全景分割,语义分割和实例分割不同任务
9. PyTorch搭建GAN网络实战图像风格迁移
- 9-1 GAN的基础概念和典型模型介绍(上)
- 9-2 GAN的基础概念和典型模型介绍(下)
- 9-3 图像风格转换数据下载与自定义dataset类
- 9-4 cycleGAN模型搭建-model
- 9-5 cycleGAN模型搭建-train(上)
- 9-6 cycleGAN模型搭建-train(下)
- 9-7 cycleGAN模型搭建-test
10. 循环神经网与NLP基础串讲
- 10-1 RNN网络基础
- 10-2 RNN常见网络结构-simple RNN网络
- 10-3 Bi-RNN网络
- 10-4 LSTM网络基础
- 10-5 Attention结构
- 10-6 Transformer结构
- 10-7 BERT结构
- 10-8 NLP基础概念介绍
- 10-9 【讨论题】深入了解transformer在CV任务中的应用
11. PyTorch实战中文文本情感分类问题
- 11-1 文本情感分析-情感分类概念介绍
- 11-2 文本情感分类关键流程介绍
- 11-3 文本情感分类之文本预处理
- 11-4 文本情感分类之特征提取与文本表示
- 11-5 文本情感分类之深度学习模型
- 11-6 文本情感分类-数据准备
- 11-7 文本情感分类-dataset类定义
- 11-8 文本情感分类-model类定义
- 11-9 文本情感分类-train脚本定义
- 11-10 文本情感分类-test脚本定义
12. PyTorch实战机器翻译问题
- 12-1 机器翻译相关方法-应用场景-评价方法
- 12-2 Seq2Seq-Attention编程实例数据准备-模型结构-相关函数
- 12-3 Seq2Seq-Attention编程实例-定义数据处理模块
- 12-4 Seq2Seq-Attention编程实例-定义模型结构模块(上)
- 12-5 Seq2Seq-Attention编程实例-定义模型结构模块(下)
- 12-6 Seq2Seq-Attention编程实例-定义train模块(上)
- 12-7 Seq2Seq-Attention编程实例-定义train模块(下)
- 12-8 Seq2Seq-Attention编程实例-定义train模块-loss function
- 12-9 Seq2Seq-Attention编程实例-定义eval模块
- 12-10 【讨论题】深入了解Attention在CV任务中的应用前景?
13. PyTorch工程应用介绍
- 13-1 PyTorch模型开发与部署基础平台介绍
- 13-2 PyTorch工程化基础–Torchscript
- 13-3 PyTorch服务端发布平台–Torchserver
- 13-4 PyTorch终端推理基础–ONNX
14. 【选修】Linux操作基础串讲
- 14-1 linux操作基础串讲
15. 课程总结与回顾
- 15-1 课程总结
© 版权声明
网站资源均收集于公开网络,仅供学习和交流。版权归版权人所有,所标价格为资源收集整理费用,如喜欢作品请支持正版。
THE END
暂无评论内容