PyTorch入门到进阶 实战计算机视觉与自然语言处理项目

halk

├─第1章 课程介绍-选择Pytorch的理由
4 j5 V7 r4 ^" q: t1 f& d) E│      1-1 课程导学.mp4
: m2 h1 E& T  h/ e│      
9 S5 ^2 `. A5 n5 \' I% n├─第2章 初识PyTorch框架与环境搭建
8 f8 S4 c- k0 p) F│      2-1 初识Pytorch基本框架.mp4
│      2-2 环境配置（1）.mp4
) f# b$ t3 k. J) {2 |0 l│      2-3 环境配置（2）.mp4
│      
; }5 A; q3 }+ ^% a" R├─第3章 PyTorch入门基础串讲
│      3-1 机器学习中的分类与回归问题-机器学习基本构成元素.mp4
│      3-2 Tensor的基本定义.mp4
│      3-3 Tensor与机器学习的关系.mp4
│      3-3 Tensor与机器学习的关系.mp4
│      3-4 Tensor创建编程实例.mp4
% S' H. o" O: k; w' V; y$ m│      3-5 Tensor的属性.mp4
# y  C- U( Y( E8 _- p& z+ l│      3-6 Tensor的属性-稀疏的张量的编程实践.mp4
│      3-7 Tensor的算术运算.mp4
, @* Z) s$ ]3 e  I+ M* B% P│      3-8 Tensor的算术运算编程实例.mp4
1 @/ p: \; K+ O: }│      3-9 in-place的概念和广播机制.mp4
" n% E) N* N, }+ ^, a4 G$ M│      3-10 取整-余.mp4
│      3-11 比较运算-排序-topk-kthvalue-数据合法性校验.mp4
│      3-12 三角函数.mp4
5 x7 o6 W5 R+ j$ E│      3-13 其他数学函数.mp4
' \2 e' e9 B9 o3 j- u: x( C( B│      3-14 Pytorch与统计学方法.mp4
│      3-15 Pytorch与分布函数.mp4
│      3-16 Pytorch与随机抽样.mp4
& p. i* r) P/ u/ d│      3-17 Pytorch与线性代数运算.mp4
│      3-18 Pytorch与矩阵分解-PCA.mp4
& e5 M1 I: E  _% F8 P' C1 B6 g│      3-19 Pytorch与矩阵分解-SVD分解-LDA.mp4
│      3-20 Pytorch与张量裁剪.mp4
│      3-21 Pytorch与张量的索引与数据筛选.mp4
7 c4 x' o$ S; i3 P! h) B5 b│      3-22 Pytorch与张量组合与拼接.mp4
( o& |. w" ], g6 q  p│      3-23 Pytorch与张量切片.mp4
│      3-24 Pytorch与张量变形.mp4
; x! \) j/ w( H$ c; o! D- X# v; v# g│      3-25 Pytorch与张量填充.mp4
1 Z9 {5 S2 g" V7 K0 p│      3-26 Pytorch与傅里叶变换.mp4
4 }- o8 f  Y. V, |; q2 H% b2 ]│      3-27 Pytorch简单编程技巧.mp4
6 Z4 p+ {) I% B; N- m' ]│      3-28 Pytorch与autograd-导数-方向导数-偏导数-梯度的概念.mp4
& |; q1 H) }  H( U7 Q  X│      3-29 Pytorch与autograd-梯度与机器学习最优解.mp4
│      3-30 Pytorch与autograd-Variable$tensor.mp4
% I2 F' f% D2 }% y* K! E! |# v│      3-31 Pytorch与autograd-如何计算梯度.mp4
) u5 u* S' n+ m* X" |3 f│      3-32 Pytorch与autograd中的几个重要概念-variable-grad-grad_fn.mp4
│      3-33 Pytorch与autograd中的几个重要概念-function.mp4
/ \* G* {' Q' ]6 ?# c+ U; M│      3-34 Pytorch与nn库.mp4
2 Z0 d* \% w; P│      3-35 Pytorch与visdom.mp4
│      3-36 Pytorch与tensorboardX.mp4
│      3-37 Pytorch与torchvision.mp4
& i) I5 C' G; [) d│      
├─第4章 PyTorch搭建简单神经网络
│      4-1 机器学习和神经网络的基本概念（1）.mp4
│      4-2 机器学习和神经网络的基本概念（2）.mp4
│      4-3 利用神经网络解决分类和回归问题（1）.mp4
8 D& O+ [2 O3 h" p* H+ U- P│      4-4 利用神经网络解决分类和回归问题（2）.mp4
1 |2 p8 d) s) T% n│      4-5 利用神经网络解决分类和回归问题（3）.mp4
│      4-6 利用神经网络解决分类和回归问题（4）.mp4
│      4-7 利用神经网络解决分类和回归问题（5）.mp4
│      
5 X9 e, J! O& x. P( x9 H├─第5章 计算机视觉与卷积神经网络基础串讲
0 Q4 v* m: U/ p* p, \2 x│      5-1 计算机视觉基本概念.mp4
│      5-2 图像处理常见概念.mp4
% e6 @1 ^7 P) o4 ]  p8 P3 ]5 O│      5-3 特征工程.mp4
│      5-4 卷积神经网（上）.mp4
! G2 F' O# B: g) h│      5-5 卷积神经网（下）.mp4
$ B2 e& ^& @2 [0 e" x│      5-6 pooling层.mp4
│      5-7 激活层-BN层-FC层-损失层.mp4
│      5-8 经典卷积神经网络结构.mp4
( P4 x' |: @, H. z: q│      5-9 轻量型网络结构.mp4
; `) z8 q$ w; P9 H/ I3 u│      5-10 多分支网络结构.mp4
│      5-11 attention的网络结构.mp4
│      5-12 学习率.mp4
; O/ @9 }7 S7 m8 f) Q0 V4 ?│      5-13 优化器.mp4
6 n" R6 g+ _3 J" u, S: S# G│      5-14 卷积神经网添加正则化.mp4
│      
├─第6章 PyTorch实战计算机视觉任务-Cifar10图像分类
│      1-1 图像分类网络模型框架解读（上）.mp4
│      1-2 图像分类网络模型框架解读（下）.mp4
8 R- s" o6 b: A+ k- z│      1-3 cifar10数据介绍-读取-处理（上）.mp4
│      1-4 cifar10数据介绍-读取-处理（下）.mp4
│      1-5 PyTorch自定义数据加载-加载Cifar10数据.mp4
% Q' t0 P* Q0 k4 H0 M& @│      1-6 PyTorch搭建 VGGNet 实现Cifar10图像分类.mp4
' q- b8 H( q) Q6 f│      1-7 PyTorch搭建cifar10训练脚本-tensorboard记录LOG（上）.mp4
│      1-8 PyTorch搭建cifar10训练脚本-tensorboard记录LOG（下）.mp4
│      1-9 PyTorch搭建cifar10训练脚本搭建-ResNet结构（上）.mp4
│      1-10 PyTorch搭建cifar10训练脚本搭建-ResNet结构（下）.mp4
│      1-11 PyTorch搭建cifar10训练脚本搭建-Mobilenetv1结构.mp4
│      1-12 PyTorch搭建cifar10训练脚本搭建-Inception结构（上）.mp4
; r! ^, g0 T- q/ L│      1-13 PyTorch搭建cifar10训练脚本搭建-Inception结构（下）.mp4
│      1-14 PyTorch搭建cifar10训练脚本搭建-调用Pytorch标准网络ResNet18等.mp4
  I& N1 |* |7 c2 E( {4 K# y2 T│      1-15 PyTorch搭建cifar10推理测试脚本搭建.mp4
3 \# U% e! G& ?/ h1 B  m. [│      1-16 分类问题优化思路.mp4
6 P* {) d$ Y! ~* E* a: [8 w8 D0 f│      1-17 分类问题最新研究进展和方向.mp4
│      
% d4 n) v0 {. X5 }- i  W# y├─第7章 Pytorch实战计算机视觉任务-Pascal VOC目标检测问题
│      7-1 目标检测问题介绍（上）.mp4
( Y) A6 ^6 J- t│      7-2 目标检测问题介绍（下）.mp4
7 D9 ]- _6 _2 S│      7-3 Pascal VOC-COCO数据集介绍.mp4
│      7-4 MMdetection框架介绍-安装说明.mp4
. [4 ]3 ^+ B1 d│      7-5 MMdetection框架使用说明.mp4
│      7-6 MMdetection训练Passcal VOC目标检测任务（上）.mp4
$ R+ @) C( n8 E8 @, C5 L│      7-7 MMdetection训练Passcal VOC目标检测任务（中）.mp4
$ q: d4 S) w' J│      7-8 MMdetection训练Passcal VOC目标检测任务（下）.mp4
. f$ q+ o# H8 W) P7 S│      7-9 MMdetection Test脚本.mp4
6 @& c2 j5 r8 |3 ?│      7-10 MMdetection LOG分析.mp4
│      
├─第8章 PyTorch实战计算机视觉任务-COCO目标分割问题
# F9 h# ^8 U8 z" ^1 @│      8-1 图像分割基本概念.mp4
5 B+ d* ]; O1 T& a1 e│      8-2 图像分割方法介绍.mp4
│      8-3 图像分割评价指标及目前面临的挑战.mp4
│      8-4 COCO数据集介绍.mp4
  m! n( ^8 i* _6 a│      8-5 detectron框架介绍和使用简单说明.mp4
│      8-6 coco数据集标注文件解析.mp4
' I; u2 {. W# }1 M) a; c│      8-7 detectron源码解读和模型训练-demo测试.mp4
│      
$ @0 y/ I0 f. C; H- f: \1 g; @7 X├─第9章 PyTorch搭建GAN网络实战图像风格迁移
│      9-1 GAN的基础概念和典型模型介绍（上）.mp4
. {' x0 W% r5 A8 V│      9-2 GAN的基础概念和典型模型介绍（下）.mp4
│      9-3 图像风格转换数据下载与自定义dataset类.mp4
│      9-4 cycleGAN模型搭建-model.mp4
( P1 X; M8 _/ z- h5 u$ j│      9-5 cycleGAN模型搭建-train（上）.mp4
$ o( Q( {' B& }+ i7 L# M+ U0 z│      9-6 cycleGAN模型搭建-train（下）.mp4
│      9-7 cycleGAN模型搭建-test.mp4
│  
├─第10章 循环神经网与NLP基础串讲
6 J/ y/ m5 _4 q5 }3 |9 y│      10-1 RNN网络基础.mp4
: A  C! |( J( |( H│      10-2 RNN常见网络结构-simple RNN网络.mp4
│      10-3 Bi-RNN网络.mp4
│      10-4 LSTM网络基础.mp4
: `+ t3 y- Z" Q│      10-5 Attention结构.mp4
" K2 A9 F0 o) V0 x│      10-6 Transformer结构.mp4
│      10-7 BERT结构.mp4
│      10-8 NLP基础概念介绍.mp4
│      
+ v5 {, d4 [% Z/ J5 g9 `├─第11章 PyTorch实战中文文本情感分类问题
4 a1 R/ d* o9 b: t1 Z1 a│      11-1 文本情感分析-情感分类概念介绍.mp4
│      11-2 文本情感分类关键流程介绍.mp4
( b/ Z6 b: U) M9 H/ R% g# O│      11-3 文本情感分类之文本预处理.mp4
, P! x5 s2 ?( c1 ^+ r│      11-4 文本情感分类之特征提取与文本表示.mp4
" o6 j. t1 ?/ h( P% g│      11-5 文本情感分类之深度学习模型.mp4
│      11-6 文本情感分类-数据准备.mp4
, f7 A' |" A% C% ]/ Z% k5 ~0 E│      11-7 文本情感分类-dataset类定义.mp4
│      11-8 文本情感分类-model类定义.mp4
5 k) U  F$ d# I3 q7 A│      11-9 文本情感分类-train脚本定义.mp4
│      11-10 文本情感分类-test脚本定义.mp4
│      
├─第12章 PyTorch实战机器翻译问题
│      12-1 机器翻译相关方法-应用场景-评价方法.mp4
! j" t4 S, }& Z. y" \$ j│      12-2 Seq2Seq-Attention编程实例数据准备-模型结构-相关函数.mp4
: e) z3 ~- P- H6 I/ e6 x+ o│      12-3 Seq2Seq-Attention编程实例-定义数据处理模块.mp4
│      12-4 Seq2Seq-Attention编程实例-定义模型结构模块（上）.mp4
- l: p4 e3 V+ ?* Y  H│      12-5 Seq2Seq-Attention编程实例-定义模型结构模块（下）.mp4
│      12-6 Seq2Seq-Attention编程实例-定义train模块（上）.mp4
│      12-7 Seq2Seq-Attention编程实例-定义train模块（下）.mp4
# F  O: L$ C% L$ w2 \│      12-8 Seq2Seq-Attention编程实例-定义train模块-loss function.mp4
& F: p( I4 [  G6 B; q│      12-9 Seq2Seq-Attention编程实例-定义eval模块.mp4
7 O7 ?: Z  }' \2 s│      
├─第13章 PyTorch工程应用介绍
# Z2 V' b9 B- x8 }│      13-1 PyTorch模型开发与部署基础平台介绍.mp4
7 @1 K% P+ o4 E  v) A2 Y│      13-2 PyTorch工程化基础--Torchscript.mp4
( I* T5 B: G  q& b. w" f5 N│      13-3 PyTorch服务端发布平台--Torchserver.mp4
│      13-4 PyTorch终端推理基础--ONNX.mp4
1 L/ j, `2 K2 [│      
2 N: m0 \9 g# i1 U├─第14章 【选修】Linux操作基础串讲
( _0 l8 h( Z. y  E│      14-1 linux操作基础串讲.mp4
+ ]  p% q  ]; D( l8 D' L# b│      
├─第15章 课程总结与回顾
' C1 g& p7 J" G8 Q; }' F│      15-1 课程总结.mp4
│      
└─课程资料.zip
$ S/ V  t7 T- H
0 z' K0 H% f1 U

6 s/ I0 A; ^: ^$ ]$ |/ p/ ]下载地址:alli(372023

游客，如果您要查看本帖隐藏内容请回复

kly402023688

可以的

leorain

谢谢分享啊

yz2yz

666

VictorZhang

PyTorch入门到进阶 实战计算机视觉与自然语言处理项目

leiml

666

h9052300

Attention编程实例-定义模型结构模块（下）.mp4
) C, I3 P, z9 ^+ j5 q│      12-6 Seq2Seq-Attention编程实例-定义train模块（上）.mp4
│      12-7 Seq2Seq-Atten

xinping

【选修】Linux操作基础串讲

Itwuyang

66666

baa1130

ding 123456