2021年深度学习框架-PyTorch实战附资料共128课

发布时间: 2021-04-29

发货 百度网盘 自动发货 时间 2020年 类型 会员打折

¥22.00

立即下载 加入收藏

5.0分/3人

升级会员组 享受更多优惠

自动发货

课程目标:


学习深度学习框架PyTorch核心模块,熟练应用在实际项目中


课程简介:


深度学习框架-PyTorch实战课程旨在帮助同学们快速学习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。



课程目录:


001:PyTorch实战课程简介

002:PyTorch框架发展趋势简介

003:框架安装方法(CPU与GPU版本)

004:PyTorch基本操作简介

005:自动求导机制

006:线性回归DEMO-数据与参数配置

007:线性回归DEMO-训练回归模型

008:补充:常见tensor格式

009:补充:Hub模块简介

010:气温数据集与任务介绍

011:按建模顺序构建完成网络架构

012:简化代码训练网络模型

013:分类任务概述

014:构建分类网络模型

015:DataSet模块介绍与应用方法

016:卷积神经网络应用领域

017:卷积的作用

018:卷积特征值计算方法

019:得到特征图表示

020:步长与卷积核大小对结果的影响

021:边缘填充方法

022:特征图尺寸计算与参数共享

023:池化层的作用

024:整体网络架构

025:VGG网络架构

026:残差网络Resnet

027:感受野的作用

028:卷积网络参数定义

029:网络流程解读

030:Vision模块功能解读

031:分类任务数据集定义与配置

032:图像增强的作用

033:数据预处理与数据增强模块

034:Batch数据制作

035:迁移学习的目标

036:迁移学习策略

037:加载训练好的网络模型

038:优化器模块配置

039:实现训练模块

040:训练结果与模型保存

041:加载模型对测试数据进行预测

042:额外补充-Resnet论文解读

043:额外补充-Resnet网络架构解读

044:RNN网络架构解读

045:词向量模型通俗解释

046:模型整体框架

047:训练数据构建

048:CBOW与Skip-gram模型

049:负采样方案

050:任务目标与数据简介

051:RNN模型所需输入格式解析

052:项目配置参数设置

053:新闻数据读取与预处理方法

054:LSTM网络模块定义与参数解析

055:训练LSTM文本分类模型

056:Tensorboardx可视化展示模块搭建

057:CNN应用于文本任务原理解析

058:网络模型架构与效果展示

059:对抗生成网络通俗解释

060:GAN网络组成

061:损失函数解释说明

062:数据读取模块

063:生成与判别网络定义

064:CycleGan网络所需数据

065:CycleGan整体网络架构

066:PatchGan判别网络原理

067:Cycle开源项目简介

068:数据读取与预处理操作

069:生成网络模块构造

070:判别网络模块构造

071:损失函数:identityloss计算方法

072:生成与判别损失函数指定

073:额外补充:VISDOM可视化配置

074:OCR文字识别要完成的任务

075:CTPN文字检测网络概述

076:序列网络的作用

077:输出结果含义解析

078:CTPN细节概述

079:CRNN识别网络架构

080:CTC模块的作用

081:OCR文字检测识别项目效果展示

082:训练数据准备与环境配置

083:检测模块候选框生成

084:候选框标签制作

085:整体网络所需模块

086:网络架构各模块完成的任务解读

087:CRNN识别模块所需数据与标签

088:识别模块网络架构解读

089:3D卷积原理解读

090:UCF101动作识别数据集简介

091:测试效果与项目配置

092:视频数据预处理方法

093:数据Batch制作方法

094:3D卷积网络所涉及模块

095:训练网络模型

096:BERT任务目标概述

097:传统解决方案遇到的问题

098:注意力机制的作用

099:self-attention计算方法

100:特征分配与softmax机制

101:Multi-head的作用

102:位置编码与多层堆叠

103:transformer整体架构梳理

104:BERT模型训练方法

105:0训练实例

106:BERT开源项目简介

107:项目参数配置

108:数据读取模块

109:数据预处理模块

110:tfrecord制作

111:Embedding层的作用

112:加入额外编码特征

113:加入位置编码特征

114:mask机制

115:0构建QKV矩阵

116:1完成Transformer模块构建

117:2训练BERT模型

118:项目配置与环境概述

119:数据读取与预处理

120:网络结构定义

121:训练网络模型

122:项目模板各模块概述

123:各模块配置参数解析

124:数据读取与预处理模块功能解读

125:模型架构模块

126:训练模块功能

127:训练结果可视化展示模块

128:模块应用与BenckMark解读

代码、课件、数据.zip


课程大小:

07.png

备注:(04)2021031907  人工智能


下载地址

回复可查看课程下载链接&提取码


版权信息:本站所有资源仅供学习与参考,请勿用于商业用途,如有侵犯您的版权,请及时联系客服,我们将尽快处理。
  • Go***

    3月前Go***

    未评价,系统默认好评!

  • 77252******

    6月前77252******

    未评价,系统默认好评!

  • git@nigh********

    5月前git@nigh********

    未评价,系统默认好评!

更多评论

嘿,我来帮您!