zhouxinhuagg

网易云课堂唐宇迪深度学习PyTorch框架实战系列课程

作者: zhouxinhuagg 发布时间: 2020-03-10 7.78K 人阅读

网易云课堂唐宇迪深度学习PyTorch框架实战系列课程代码与数据

 

适用人群

人工只能,深度学习方向的同学们

课程概述

深度学习框架-PyTorch实战课程旨在帮助同学们快速掌握PyTorch

框架核心模块使用方法与项目应用实例,让同学们熟练使用PyTorch框架进行项目开发。

课程内容全部以实战为导向,基于当下计算机视觉与自然语言处理中经典项目进行实例讲解

通过Debug模式详解项目中每一行代码的作用与效果

整体风格通俗易懂,提供全部课程所属课件。

 

教程目录

章节1:PyTorch框架基本处理操作

课时1PyTorch实战课程简介04:53

课时2PyTorch框架发展趋势简介08:25

课时3框架安装方法(CPU与GPU版本)05:13

课时4PyTorch基本操作09:25

课时5自动求导机制10:59

课时6线性回归DEMO-数据与参数配置08:56

课时7线性回归DEMO-训练回归模型10:08

课时8补充:常见tensor格式07:10

课时9补充:Hub模块简介08:25

课时10本章数据代码下载

课时11数据代码下载汇总

章节2:神经网络实战分类与回归任务

课时12气温数据集与任务介绍06:42

课时13按建模顺序构建完成网络架构11:38

课时14简化代码训练网络模型11:04

课时15分类任务概述05:12

课时16构建分类网络模型09:40

课时17DataSet模块介绍与应用方法10:11

课时18本章数据代码下载

章节3:卷积神经网络原理与参数解读

课时19卷积神经网络应用领域07:24

课时20卷积的作用09:23

课时21卷积特征值计算方法08:07

课时22得到特征图表示06:58

课时23步长与卷积核大小对结果的影响08:11

课时24边缘填充方法06:30

课时25特征图尺寸计算与参数共享07:02

课时26池化层的作用05:38

课时27整体网络架构06:20

课时28VGG网络架构06:16

课时29残差网络Resnet07:41

课时30本章数据代码下载

课时31感受野的作用05:46

章节4:图像识别核心模块实战解读

课时32卷积网络参数定义07:21

课时33网络流程解读07:26

课时34Vision模块功能解读05:10

课时35分类任务数据集定义与配置06:27

课时36图像增强的作用04:51

课时37数据预处理与数据增强模块09:25

课时38Batch数据制作08:37

课时39本章数据代码下载

章节5:迁移学习的作用与应用实例

课时40迁移学习的目标05:31

课时41迁移学习策略07:11

课时42加载训练好的网络模型09:54

课时43优化器模块配置05:14

课时44实现训练模块08:15

课时45训练结果与模型保存09:31

课时46加载模型对测试数据进行预测09:10

课时47额外补充-Resnet论文解读11:47

课时48额外补充-Resnet网络架构解读08:26

章节6:递归神经网络与词向量原理解读

课时49RNN网络架构解读11:27

课时50词向量模型通俗解释08:14

课时51模型整体框架10:09

课时52本章数据代码下载

课时53训练数据构建05:10

课时54CBOW与Skip-gram模型08:20

课时55负采样方案07:40

章节7:新闻数据集文本分类实战

课时56任务目标与数据简介07:18

课时57RNN模型所需输入格式解析06:54

课时58项目配置参数设置10:26

课时59新闻数据读取与预处理方法08:07

课时60LSTM网络模块定义与参数解析09:35

课时61本章数据代码下载

课时62训练LSTM文本分类模型08:55

课时63Tensorboardx可视化展示模块搭建09:16

课时64CNN应用于文本任务原理解析10:46

课时65网络模型架构与效果展示10:58

章节8:对抗生成网络架构原理与实战解析

课时66本章数据代码下载

课时67对抗生成网络通俗解释08:24

课时68GAN网络组成05:14

课时69损失函数解释说明10:05

课时70数据读取模块08:26

课时71生成与判别网络定义08:39

章节9:基于CycleGan开源项目实战图像合成

课时72CycleGan网络所需数据06:50

课时73CycleGan整体网络架构10:02

课时74PatchGan判别网络原理04:40

课时75Cycle开源项目简介07:07

课时76数据读取与预处理操作10:17

课时77生成网络模块构造12:12

课时78判别网络模块构造05:02

课时79损失函数:identity loss计算方法09:12

课时80生成与判别损失函数指定11:40

课时81额外补充:VISDOM可视化配置05:54

课时82本章数据代码下载

章节10:OCR文字识别原理

课时83OCR文字识别要完成的任务06:29

课时84CTPN文字检测网络概述08:05

课时85序列网络的作用09:19

课时86输出结果含义解析07:09

课时87CTPN细节概述09:06

课时88CRNN识别网络架构06:16

课时89CTC模块的作用04:29

章节11:OCR文字识别项目实战

课时90OCR文字检测识别项目效果展示04:20

课时91本章数据代码下载

课时92训练数据准备与环境配置06:49

课时93检测模块候选框生成08:06

课时94候选框标签制作08:23

课时95整体网络所需模块04:55

课时96网络架构各模块完成的任务解读08:38

课时97CRNN识别模块所需数据与标签05:12

课时98识别模块网络架构解读10:41

章节12:基于3D卷积的视频分析与动作识别

课时99本章数据代码下载

课时1003D卷积原理解读07:43

课时101UCF101动作识别数据集简介06:02

课时102测试效果与项目配置12:01

课时103视频数据预处理方法07:24

课时104数据Batch制作方法09:02

课时1053D卷积网络所涉及模块07:50

课时106训练网络模型08:32

章节13:自然语言处理通用框架BERT原理解读

课时107BERT任务目标概述05:27

课时108本章数据代码下载

课时109传统解决方案遇到的问题11:09

课时110注意力机制的作用06:56

课时111self-attention计算方法11:24

课时112特征分配与softmax机制09:20

课时113Multi-head的作用09:09

课时114位置编码与多层堆叠07:17

课时115transformer整体架构梳理10:57

课时116BERT模型训练方法09:37

课时117训练实例09:47

章节14:谷歌开源项目BERT源码解读(官方TF版)

课时118BERT开源项目简介07:35

课时119项目参数配置12:08

课时120本章数据代码下载

课时121数据读取模块07:40

课时122数据预处理模块09:37

课时123tfrecord制作11:35

课时124Embedding层的作用07:29

课时125加入额外编码特征09:22

课时126加入位置编码特征05:12

课时127mask机制08:49

课时128构建QKV矩阵12:38

课时129完成Transformer模块构建09:56

课时130训练BERT模型08:51

章节15:基于PyTorch实战BERT模型(民间PyTorch版)

课时131本章数据代码下载

课时132项目配置与环境概述06:52

课时133数据读取与预处理05:45

课时134网络结构定义07:01

课时135训练网络模型08:19

章节16:PyTorch框架实战模板解读

课时136本章数据代码下载

课时137项目模板各模块概述08:43

课时138各模块配置参数解析09:15

课时139数据读取与预处理模块功能解读11:45

课时140模型架构模块06:46

课时141训练模块功能11:22

课时142训练结果可视化展示模块07:19

课时143模块应用与BenckMark解读

本文最后更新于2021年12月15日,若涉及的内容可能已经失效,直接留言反馈补链即可,我们会处理,谢谢
本站所有资源收集于网络,如有侵权违规请联系联系客服处理删帖,谢谢
52草根资源 » 网易云课堂唐宇迪深度学习PyTorch框架实战系列课程

常见问题FAQ

1.关于新手解压出错 必看(附电脑+安卓WINRAR APP)
新手必看 本站资源解压教程:http://www.52cgzys.com/76304/
2.本站Telegram群组链接
本站Telegram群组链接:https://t.me/joinchat/ElyDb9Es_YNjYjdl
3.所有礼包码下载地址:http://www.52cgzys.com/422289/
所有礼包码下载地址:http://www.52cgzys.com/422289
4.各类问题及解决处理方法合集
各类问题及解决处理方法合集:http://www.52cgzys.com/zhanwu/xinshou/

发表回复

提供最优质的资源集合

立即查看 申请友链