深度学习-PyTorch 实战

深度学习-PyTorch 实战 ├──01.PyTorch 基础
| ├──1-1 PyTorch 实战课程简介 .mp4 16.41M | ├──1-2 PyTorch 框架发展趋势简介 .mp4 23.35M | ├──1-3 框架安装方法（ CPU 与 GPU 版本） .mp4 16.60M | ├──1-4 PyTorch 基本操作简介 .mp4 25.11M | ├──1-5 自动求导机制 .mp4 29.13M | ├──1-6 线性回归 DEMO-数据与参数配置 .mp4 22.81M | ├──1-7 线性回归 DEMO-训练回归模型 .mp4 30.65M | ├──1-8 补充：常见 tensor 格式 .mp4 17.06M | └──1-9 补充：Hub 模块简介 .mp4 37.23M ├──02.分类任务
| ├──2-1 气温数据集与任务介绍 .mp4 22.82M | ├──2-2 按建模顺序构建完成网络架构 .mp4 35.08M | ├──2-3 简化代码训练网络模型 .mp4 35.55M | ├──2-4 分类任务概述 .mp4 13.81M | ├──2-5 构建分类网络模型 .mp4 29.20M | └──2-6 DataSet 模块介绍与应用方法 .mp4 33.73M ├──03.卷积神经
| ├──3-1 卷积神经网络应用领域 .mp4 26.64M | ├──3-10 VGG 网络架构 .mp4 20.55M | ├──3-11 残差网络 Resnet .mp4 18.38M | ├──3-12 感受野的作用 .mp4 16.77M | ├──3-2 卷积的作用 .mp4 23.60M | ├──3-3 卷积特征值计算方法 .mp4 22.68M | ├──3-4 得到特征图表示 .mp4 18.47M | ├──3-5 步长与卷积核大小对结果的影响 .mp4 20.39M | ├──3-6 边缘填充方法 .mp4 17.93M | ├──3-7 特征图尺寸计算与参数共享 .mp4 22.04M | ├──3-8 池化层的作用 .mp4 11.33M | └──3-9 整体网络架构 .mp4 17.99M ├──04.图像识别
| ├──4-1 卷积网络参数定义 .mp4 24.08M | ├──4-2 网络流程解读 .mp4 30.92M | ├──4-3 Vision 模块功能解读 .mp4 18.00M | ├──4-4 分类任务数据集定义与配置 .mp4 25.18M | ├──4-5 图像增强的作用 .mp4 15.96M | ├──4-6 数据预处理与数据增强模块 .mp4 38.83M | └──4-7 Batch 数据制作 .mp4 33.94M ├──05.迁移学习
| ├──5-1 迁移学习的目标 .mp4 13.29M | ├──5-2 迁移学习策略 .mp4 16.08M | ├──5-3 加载训练好的网络模型 .mp4 37.65M | ├──5-4 优化器模块配置 .mp4 19.28M | ├──5-5 实现训练模块 .mp4 28.11M | ├──5-6 训练结果与模型保存 .mp4 31.65M | ├──5-7 加载模型对测试数据进行预测 .mp4 35.69M | ├──5-8 额外补充-Resnet 论文解读 .mp4 54.32M | └──5-9 额外补充-Resnet 网络架构解读 .mp4 18.56M ├──06.RNN 神经网络
| ├──6-1 RNN 网络架构解读 .mp4 22.98M | ├──6-2 词向量模型通俗解释 .mp4 21.22M | ├──6-3 模型整体框架 .mp4 27.36M | ├──6-4 训练数据构建 .mp4 15.78M | ├──6-5 CBOW 与 Skip-gram 模型 .mp4 22.57M | └──6-6 负采样方案 .mp4 23.13M ├──07.文本分类实战
| ├──7-1 任务目标与数据简介 .mp4 28.32M | ├──7-2 RNN 模型所需输入格式解析 .mp4 20.10M | ├──7-3 项目配置参数设置 .mp4 38.02M | ├──7-4 新闻数据读取与预处理方法 .mp4 30.80M | ├──7-5 LSTM 网络模块定义与参数解析 .mp4 34.05M | ├──7-6 训练 LSTM 文本分类模型 .mp4 36.80M | ├──7-7 Tensorboardx 可视化展示模块搭建 .mp4 35.19M | ├──7-8 CNN 应用于文本任务原理解析 .mp4 23.39M | └──7-9 网络模型架构与效果展示 .mp4 43.64M ├──08.对抗生成网络架构
| ├──8-1 对抗生成网络通俗解释 .mp4 21.20M | ├──8-2 GAN 网络组成 .mp4 11.31M | ├──8-3 损失函数解释说明 .mp4 42.16M | ├──8-4 数据读取模块 .mp4 30.18M | └──8-5 生成与判别网络定义 .mp4 36.40M ├──09.CycleGan 开源实战
| ├──9-1 CycleGan 网络所需数据 .mp4 29.60M | ├──9-10 额外补充：VISDOM 可视化配置 .mp4 25.88M | ├──9-2 CycleGan 整体网络架构 .mp4 21.20M | ├──9-3 PatchGan 判别网络原理 .mp4 10.98M | ├──9-4 Cycle 开源项目简介 .mp4 30.04M | ├──9-5 数据读取与预处理操作 .mp4 47.99M | ├──9-6 生成网络模块构造 .mp4 50.15M | ├──9-7 判别网络模块构造 .mp4 20.60M | ├──9-8 损失函数：identity loss 计算方法 .mp4 39.50M | └──9-9 生成与判别损失函数指定 .mp4 53.89M ├──10.OCR 文字识别
| ├──10-1 OCR 文字识别要完成的任务 .mp4 24.85M | ├──10-2 CTPN 文字检测网络概述 .mp4 17.77M | ├──10-3 序列网络的作用 .mp4 21.76M | ├──10-4 输出结果含义解析 .mp4 16.33M | ├──10-5 CTPN 细节概述 .mp4 21.25M | ├──10-6 CRNN 识别网络架构 .mp4 14.93M | └──10-7 CTC 模块的作用 .mp4 9.76M ├──11.OCR 文字识别实战
| ├──11-1 OCR 文字检测识别项目效果展示 .mp4 17.01M | ├──11-2 训练数据准备与环境配置 .mp4 28.99M | ├──11-3 检测模块候选框生成 .mp4 33.93M | ├──11-4 候选框标签制作 .mp4 35.32M | ├──11-5 整体网络所需模块 .mp4 20.74M | ├──11-6 网络架构各模块完成的任务解读 .mp4 32.29M | ├──11-7 CRNN 识别模块所需数据与标签 .mp4 17.36M | └──11-8 识别模块网络架构解读 .mp4 39.29M ├──12.3D 卷积视频分析
| ├──12-1 3D 卷积原理解读 .mp4 22.38M | ├──12-2 UCF101 动作识别数据集简介 .mp4 28.20M | ├──12-3 测试效果与项目配置 .mp4 49.26M | ├──12-4 视频数据预处理方法 .mp4 31.22M | ├──12-5 数据 Batch 制作方法 .mp4 42.91M | ├──12-6 3D 卷积网络所涉及模块 .mp4 37.23M | └──12-7 训练网络模型 .mp4 36.66M ├──13.BERT 框架
| ├──13-1 BERT 任务目标概述 .mp4 11.28M | ├──13-10 训练实例 .mp4 23.51M | ├──13-2 传统解决方案遇到的问题 .mp4 23.32M | ├──13-3 注意力机制的作用 .mp4 15.95M | ├──13-4 self-attention 计算方法 .mp4 23.89M | ├──13-5 特征分配与 softmax 机制 .mp4 21.35M | ├──13-6 Multi-head 的作用 .mp4 20.10M | ├──13-7 位置编码与多层堆叠 .mp4 17.16M | ├──13-8 transformer 整体架构梳理 .mp4 22.55M | └──13-9 BERT 模型训练方法 .mp4 20.74M ├──14.BERT 源码
| ├──14-1 BERT 开源项目简介 .mp4 30.48M | ├──14-10 构建 QKV 矩阵 .mp4 55.59M | ├──14-11 完成 Transformer 模块构建 .mp4 45.84M | ├──14-12 训练 BERT 模型 .mp4 45.87M | ├──14-2 项目参数配置 .mp4 53.10M | ├──14-3 数据读取模块 .mp4 40.40M | ├──14-4 数据预处理模块 .mp4 43.13M | ├──14-5 tfrecord 制作 .mp4 53.83M | ├──14-6 Embedding 层的作用 .mp4 33.81M | ├──14-7 加入额外编码特征 .mp4 44.61M | ├──14-8 加入位置编码特征 .mp4 24.95M | └──14-9 mask 机制 .mp4 43.04M ├──15.PyTorch 实战
| ├──15-1 项目配置与环境概述 .mp4 27.03M | ├──15-2 数据读取与预处理 .mp4 22.02M | ├──15-3 网络结构定义 .mp4 31.07M | └──15-4 训练网络模型 .mp4 36.62M ├──16.PyTorch 框架实战
| ├──16-1 项目模板各模块概述 .mp4 34.01M | ├──16-2 各模块配置参数解析 .mp4 36.02M | ├──16-3 数据读取与预处理模块功能解读 .mp4 46.17M | ├──16-4 模型架构模块 .mp4 29.43M | ├──16-5 训练模块功能 .mp4 45.07M | ├──16-6 训练结果可视化展示模块 .mp4 32.85M | └──16-7 模块应用与 BenckMark 解读 .mp4 55.63M └──代码+资料
| ├──PPT
| | └──PyTorch .pdf 2.56M | ├──第 01 章：PyTorch 框架基本处理操作 .zip 98.58M | ├──第 02 章：神经网络实战分类与回归任务 .zip 15.82M | ├──第 03 章：卷积神经网络 .rar 2.09M | ├──第 04 章：图像识别核心模块实战解读 .zip 336.95M | ├──第 06 章：word2vec 通俗解释 .zip 2.15M | ├──第 07 章：新闻数据集文本分类实战 .zip 31.53M | ├──第 08 章：对抗生成网络架构原理与实战解析 .zip 35.28M | ├──第 09 章：基于 CycleGan 开源项目实战图像合成 .zip 1.60G | ├──第 11 章：OCR 文字识别项目实战 .zip 423.83M | ├──第 12 章：基于 3D 卷积的视频分析与动作识别 .zip 845.84M | ├──第 13 章：自然语言处理通用框架 BERT 原理解读 .rar 1.46M | ├──第 14 章：谷歌开源项目 BERT 源码解读（官方 TF 版） .rar 992.70M | ├──第 15 章：BERT .zip 732.89M | └──第 16 章：PyTorch 框架实战模板解读 .zip 69.22M

链接： https://pan.baidu.com/s/11rA2OlT3RPOwDSVFFyAG0Q

https://bbs.233244.xyz/thread-296.htm

UESTC 导航|资源库： https://bbs.233244.xyz 免费分享自用的一些资源，也欢迎大家分享资源 UESTC 导航： https://233244.xyz 分享常用的科研、娱乐、学习等常用网站，欢迎访问。