[440] PyTorch入门到进阶,实战计算机视觉与自然语言处理 - 总结多年学术+从业经验,提炼精华,为希望进入深度学习领域的同学而设

[440] PyTorch入门到进阶,实战计算机视觉与自然语言处理风筝自习室-课程资源-网盘资源风筝自习室
[440] PyTorch入门到进阶,实战计算机视觉与自然语言处理 - 总结多年学术+从业经验,提炼精华,为希望进入深度学习领域的同学而设
此内容为付费阅读,请付费后查看
500积分
付费阅读

image

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
THE END
加入本站 VIP,免费下载本站所有内容
点赞7 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容