最新深度学习PyTorch框架实战视频教程（有代码）

admin

最新深度学习PyTorch框架实战视频教程（有代码）


资源描述及截图：

教程目录 章节1yTorch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 游客，如果您要查看本帖隐藏内容请回复

huanghao2693

感谢分享

Kimipoker

zzzzcl

模块应用与BenckMark解读

Meltemi

111@@@@@@@22

beesys

谢谢分享

lijm1206

感谢楼主分享