详情 评论 声明
商品详情

PyTorch基于Torch,是目前应用很广泛的Python开源机器学习数据库,PyTorch可以为我们提供更为强大的GPU加速的张量计算,以及更高级的深度神经网络。课程从深度学习框架开始,讲解了卷积神经网络,循环神经网络RNN与LSTM,Pytorch张量操作与张量高级操作,随机梯度下降,多层感知机与分类器,过拟合等非常典型的人工智能与深度学习技术课程,正在攻读充电的同学们不要错过。

===============课程目录===============


(0);目录中文件数:0个

(1)1.深度学习框架介绍

├─1.lesson1-PyTorch介绍.mp4

(2)10.卷积神经网络CNN

├─50.lesson37-什么是卷积-1.mp4

├─51.lesson37-什么是卷积-2.mp4

├─52.lesson38-卷积神经网络-1.mp4

├─53.lesson38-卷积神经网络-2.mp4

├─54.lesson38-卷积神经网络-3.mp4

├─55.lesson39-Pooling&upsample.mp4

├─56.lesson40-BatchNorm-1.mp4

├─57.lesson40-BatchNorm-2.mp4

├─58.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4

├─59.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4

├─60.lesson42-ResNet,DenseNet-1.mp4

├─61.lesson42-ResNet, DenseNet-2.mp4

├─62.lesson43-nn.Module-1.mp4

├─63.lesson43-nn.Module-2.mp4

├─64.lesson44-数据增强Data Argumentation.mp4

(3)11.CIFAR10与ResNet实战;

(4)12.循环神经网络RNN&LSTM;

├─65.lesson46-时间序列表示.mp4

├─66.lesson47-RNN原理-1.mp4

├─67.lesson47-RNN原理-2.mp4

├─68.lesson48-RNN Layer使用-1.mp4

├─69.lesson48-RNN Layer使用-2.mp4

├─70.lesson49-时间序列预测.mp4

├─71.lesson50-RNN训练难题.mp4

├─72.lesson51-LSTM原理-1.mp4

├─73.lesson51-LSTM原理-2.mp4

├─74.lesson52-LSTM Layer使用.mp4

├─75.lesson53-情感分类实战.mp4

(5)13.对抗生成网络GAN

├─76.lesson54-数据分布.mp4

├─77.lesson55-画家的成长历程.mp4

├─78.lesson56-GAN发展.mp4

├─79.lesson57-纳什均衡-D.mp4

├─80.lesson58-纳什均衡-G.mp4

├─81.lesson59-JS散度的弊端.mp4

├─82.lesson60-EM距离.mp4

├─83.lesson61-WGAN与WGAN-GP.mp4

├─84.lesson62-G和D实现.mp4

├─85.lesson63-GAN实战.mp4

├─86.lesson64-GAN训练不稳定.mp4

├─87.lesson65-WGAN-GP实战.mp4

(6)2.开发环境准备

├─2.lesson2-开发环境准备.mp4

(7)3.初见深度学习

├─3.lesson3-初探Linear Regression案例-1.mp4

├─4.lesson3-初探Linear Regression案例-2.mp4

├─5.lesson4-PyTorch求解Linear Regression案例.mp4

├─6.lesson5 -手写数字问题引入1.mp4

├─7.lesson5 -手写数字问题引入2.mp4

(8)4.Pytorch张量操作;目录中文件数:10个

├─10.lesson7 创建Tensor 1.mp4

├─11.lesson7 创建Tensor 2.mp4

├─12.lesson8 索引与切片1.mp4

├─13.lesson8 索引与切片2.mp4

├─14.lesson9 维度变换1.mp4

├─15.lesson9 维度变换2.mp4

├─16.lesson9 维度变换3.mp4

├─17.lesson9 维度变换4.mp4

├─8.lesson6 基本数据类型1.mp4

├─9.lesson6 基本数据类型2.mp4

(9)5.张量高阶操作

├─18.lesson10 Broatcasting 1.mp4

├─19.lesson10 Broatcasting 2.mp4

├─20.lesson11 合并与切割1.mp4

├─21.lesson11 合并与切割2.mp4

├─22.lesson12 基本运算.mp4

├─23.lesson13 数据统计1.mp4

├─24.lesson13 数据统计2.mp4

├─25.lesson14 高阶OP.mp4

(10)6.随机梯度下降

├─26.lesson16 什么是梯度1.mp4

├─27.lesson16 什么是梯度2.mp4

├─28.lesson17 常见梯度.mp4

├─29.lesson18 激活函数及其梯度1.mp4

├─30.lesson18 激活函数及其梯度2.mp4

├─31.lesson18 激活函数及其梯度3.mp4

(11)7.感知机梯度传播推导

├─32.lesson19 单一输出感知机1.mp4

├─33.lesson19 多输出Loss层2.mp4

├─34.lesson20 链式法则.mp4

├─35.lesson21 反向传播.mp4

├─36.lesson22 优化小实例.mp4

(12)8.多层感知机与分类器

├─37.lesson24 Logistic Regression.mp4

├─38.lesson25 交叉熵.mp4

├─39.lesson26 多分类实战.mp4

├─40.lesson27 全连接层.mp4

├─41.lesson28 激活函数与GPU加速.mp4

├─42.lesson29 测试.mp4

├─43.lesson30-Visdom可视化.mp4

(13)9.过拟合;目录中文件数:6个

├─44.lesson31-过拟合与欠拟合.mp4

├─45.lesson32-Train-Val-Test-交叉验证-1.mp4

├─46.lesson32-Train-Val-Test-交叉验证-2.mp4

├─47.lesson33-regularization.mp4

├─48.lesson34-动量与lr衰减.mp4

├─49.lesson35-early stopping, dropout, sgd.mp4


声明

1、链接失效请联系客服人员。
2、购买后如果链接失效可联系客服人员完善资源或进行退款办理。
3、资源均来源于网友分享及网络公开发表文件,所有资料仅供学习交流。
4、所收取费用仅用来维系网站运营,性质为用户友情赞助,并非售卖文件费用。
5、如侵犯您的权益,请联系客服人员,我们将会在第一时间进行处理。

评论区

表情

共1条评论