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。

目录

章节1:PyTorch框架基本处理操作试看
课时1视频PyTorch实战课程简介04:53可试看
课时2视频PyTorch框架发展趋势简介08:25可试看
课时3视频框架安装方法（CPU与GPU版本）05:13可试看
课时4视频PyTorch基本操作09:25
课时5视频自动求导机制10:59
课时6视频线性回归DEMO-数据与参数配置08:56
课时7视频线性回归DEMO-训练回归模型10:08
课时8视频补充：常见tensor格式07:10
课时9视频补充：Hub模块简介08:25
课时10文本本章数据代码下载（需PC登录）
课时11文本数据代码下载汇总（包括全部章节，如失效请右侧私信我）
章节2:神经网络实战分类与回归任务试看
课时12视频气温数据集与任务介绍06:42可试看
课时13视频按建模顺序构建完成网络架构11:38可试看
课时14视频简化代码训练网络模型11:04
课时15视频分类任务概述05:12
课时16视频构建分类网络模型09:40
课时17视频DataSet模块介绍与应用方法10:11
课时18文本本章数据代码下载（需PC登录）
章节3:卷积神经网络原理与参数解读试看
课时19视频卷积神经网络应用领域07:24可试看
课时20视频卷积的作用09:23可试看
课时21视频卷积特征值计算方法08:07
课时22视频得到特征图表示06:58
课时23视频步长与卷积核大小对结果的影响08:11
课时24视频边缘填充方法06:30
课时25视频特征图尺寸计算与参数共享07:02
课时26视频池化层的作用05:38
课时27视频整体网络架构06:20
课时28视频VGG网络架构06:16
课时29视频残差网络Resnet07:41
课时30文本本章数据代码下载（需PC登录）
课时31视频感受野的作用05:46
章节4:图像识别核心模块实战解读
课时32视频卷积网络参数定义07:21
课时33视频网络流程解读07:26
课时34视频Vision模块功能解读05:10
课时35视频分类任务数据集定义与配置06:27
课时36视频图像增强的作用04:51
课时37视频数据预处理与数据增强模块09:25
课时38视频Batch数据制作08:37
课时39文本本章数据代码下载（需PC登录）
章节5:迁移学习的作用与应用实例
课时40视频迁移学习的目标05:31
课时41视频迁移学习策略07:11
课时42视频加载训练好的网络模型09:54
课时43视频优化器模块配置05:14
课时44视频实现训练模块08:15
课时45视频训练结果与模型保存09:31
课时46视频加载模型对测试数据进行预测09:10
课时47视频额外补充-Resnet论文解读11:47
课时48视频额外补充-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试看
课时49视频RNN网络架构解读11:27
课时50视频词向量模型通俗解释08:14可试看
课时51视频模型整体框架10:09
课时52文本本章数据代码下载（需PC登录）
课时53视频训练数据构建05:10可试看
课时54视频CBOW与Skip-gram模型08:20
课时55视频负采样方案07:40
章节7:新闻数据集文本分类实战试看
课时56视频任务目标与数据简介07:18可试看
课时57视频RNN模型所需输入格式解析06:54
课时58视频项目配置参数设置10:26
课时59视频新闻数据读取与预处理方法08:07
课时60视频LSTM网络模块定义与参数解析09:35
课时61文本本章数据代码下载（需PC登录）
课时62视频训练LSTM文本分类模型08:55
课时63视频Tensorboardx可视化展示模块搭建09:16
课时64视频CNN应用于文本任务原理解析10:46
课时65视频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试看
课时66文本本章数据代码下载（需PC登录）
课时67视频对抗生成网络通俗解释08:24可试看
课时68视频GAN网络组成05:14
课时69视频损失函数解释说明10:05
课时70视频数据读取模块08:26
课时71视频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试看
课时72视频CycleGan网络所需数据06:50可试看
课时73视频CycleGan整体网络架构10:02
课时74视频PatchGan判别网络原理04:40
课时75视频Cycle开源项目简介07:07
课时76视频数据读取与预处理操作10:17
课时77视频生成网络模块构造12:12
课时78视频判别网络模块构造05:02
课时79视频损失函数：identity loss计算方法09:12
课时80视频生成与判别损失函数指定11:40
课时81视频额外补充：VISDOM可视化配置05:54
课时82文本本章数据代码下载（需PC登录）
章节10:OCR文字识别原理试看
课时83视频OCR文字识别要完成的任务06:29可试看
课时84视频CTPN文字检测网络概述08:05可试看
课时85视频序列网络的作用09:19
课时86视频输出结果含义解析07:09
课时87视频CTPN细节概述09:06
课时88视频CRNN识别网络架构06:16
课时89视频CTC模块的作用04:29
章节11:OCR文字识别项目实战试看
课时90视频OCR文字检测识别项目效果展示04:20可试看
课时91文本本章数据代码下载（需PC登录）
课时92视频训练数据准备与环境配置06:49可试看
课时93视频检测模块候选框生成08:06
课时94视频候选框标签制作08:23
课时95视频整体网络所需模块04:55
课时96视频网络架构各模块完成的任务解读08:38
课时97视频CRNN识别模块所需数据与标签05:12
课时98视频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试看
课时99文本本章数据代码下载（需PC登录）
课时100视频3D卷积原理解读07:43可试看
课时101视频UCF101动作识别数据集简介06:02可试看
课时102视频测试效果与项目配置12:01
课时103视频视频数据预处理方法07:24
课时104视频数据Batch制作方法09:02
课时105视频3D卷积网络所涉及模块07:50
课时106视频训练网络模型08:32
章节13:自然语言处理通用框架BERT原理解读试看
课时107视频BERT任务目标概述05:27可试看
课时108文本本章数据代码下载（需PC登录）
课时109视频传统解决方案遇到的问题11:09可试看
课时110视频注意力机制的作用06:56
课时111视频self-attention计算方法11:24
课时112视频特征分配与softmax机制09:20
课时113视频Multi-head的作用09:09
课时114视频位置编码与多层堆叠07:17
课时115视频transformer整体架构梳理10:57
课时116视频BERT模型训练方法09:37
课时117视频训练实例09:47
章节14:谷歌开源项目BERT源码解读（官方TF版）
课时118视频BERT开源项目简介07:35
课时119视频项目参数配置12:08
课时120文本本章数据代码下载（需PC登录）
课时121视频数据读取模块07:40
课时122视频数据预处理模块09:37
课时123视频tfrecord制作11:35
课时124视频Embedding层的作用07:29
课时125视频加入额外编码特征09:22
课时126视频加入位置编码特征05:12
课时127视频mask机制08:49
课时128视频构建QKV矩阵12:38
课时129视频完成Transformer模块构建09:56
课时130视频训练BERT模型08:51
章节15:基于PyTorch实战BERT模型（民间PyTorch版）
课时131文本本章数据代码下载（需PC登录）
课时132视频项目配置与环境概述06:52
课时133视频数据读取与预处理05:45
课时134视频网络结构定义07:01
课时135视频训练网络模型08:19
课时136文本本章数据代码下载
章节16:PyTorch框架实战模板解读
课时137文本本章数据代码下载（需PC登录）
课时138视频项目模板各模块概述08:43
课时139视频各模块配置参数解析09:15
课时140视频数据读取与预处理模块功能解读11:45
课时141视频模型架构模块06:46
课时142视频训练模块功能11:22
课时143视频训练结果可视化展示模块07:19
课时144视频模块应用与BenckMark解读
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。