深度学习与PyTorch入门实战教程价值390+元2019

sharkweb · 发表于 2019-7-28 03:10:00

├─1.深度学习框架介绍
│    1.lesson1-PyTorch介绍.mp4
│
├─2.开发环境准备
│    2.lesson2-开发环境准备.mp4
│
├─3.初见深度学习
│    3.lesson3-初探Linear Regression案例-1.mp4
│    4.lesson3-初探Linear Regression案例-2.mp4
│    5.lesson4-PyTorch求解Linear Regression案例.mp4
│    6.lesson5 -手写数字问题引入1.mp4
│    7.lesson5 -手写数字问题引入2.mp4
│
├─4.Pytorch张量操作
│    10.lesson7 创建Tensor 1.mp4
│    11.lesson7 创建Tensor 2.mp4
│    12.lesson8 索引与切片1.mp4
│    13.lesson8 索引与切片2.mp4
│    14.lesson9 维度变换1.mp4
│    15.lesson9 维度变换2.mp4
│    16.lesson9 维度变换3.mp4
│    17.lesson9 维度变换4.mp4
│    8.lesson6 基本数据类型1.mp4
│    9.lesson6 基本数据类型2.mp4
│
├─5.张量高阶操作
│    18.lesson10 Broatcasting 1.mp4
│    19.lesson10 Broatcasting 2.mp4
│    20.lesson11 合并与切割1.mp4
│    21.lesson11 合并与切割2.mp4
│    22.lesson12 基本运算.mp4
│    23.lesson13 数据统计1.mp4
│    24.lesson13 数据统计2.mp4
│    25.lesson14 高阶OP.mp4
│
├─6.随机梯度下降
│    26.lesson16 什么是梯度1.mp4
│    27.lesson16 什么是梯度2.mp4
│    28.lesson17 常见梯度.mp4
│    29.lesson18 激活函数及其梯度1.mp4
│    30.lesson18 激活函数及其梯度2.mp4
│    31.lesson18 激活函数及其梯度3.mp4
│
├─7.感知机梯度传播推导
│    32.lesson19 单一输出感知机1.mp4
│    33.lesson19 多输出Loss层2.mp4
│    34.lesson20 链式法则.mp4
│    35.lesson21 反向传播.mp4
│    36.lesson22 优化小实例.mp4
│
├─8.多层感知机与分类器
│    37.lesson24 Logistic Regression.mp4
│    38.lesson25 交叉熵.mp4
│    39.lesson26 多分类实战.mp4
│    40.lesson27 全连接层.mp4
│    41.lesson28 激活函数与GPU加速.mp4
│    42.lesson29 测试.mp4
│    43.lesson30-Visdom可视化.mp4
│
├─9.过拟合
│    44.lesson31-过拟合与欠拟合.mp4
│    45.lesson32-Train-Val-Test-交叉验证-1.mp4
│    46.lesson32-Train-Val-Test-交叉验证-2.mp4
│    47.lesson33-regularization.mp4
│    48.lesson34-动量与lr衰减.mp4
│    49.lesson35-early stopping, dropout, sgd.mp4
│
├─10.卷积神经网络CNN
│    50.lesson37-什么是卷积-1.mp4
│    51.lesson37-什么是卷积-2.mp4
│    52.lesson38-卷积神经网络-1.mp4
│    53.lesson38-卷积神经网络-2.mp4
│    54.lesson38-卷积神经网络-3.mp4
│    55.lesson39-Pooling&upsample.mp4
│    56.lesson40-BatchNorm-1.mp4
│    57.lesson40-BatchNorm-2.mp4
│    58.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4
│    59.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4
│    60.lesson42-ResNet，DenseNet-1.mp4
│    61.lesson42-ResNet, DenseNet-2.mp4
│    62.lesson43-nn.Module-1.mp4
│    63.lesson43-nn.Module-2.mp4
│    64.lesson44-数据增强Data Argumentation.mp4
│
├─11.循环神经网络RNN&LSTM
│    65.lesson46-时间序列表示.mp4
│    66.lesson47-RNN原理-1.mp4
│    67.lesson47-RNN原理-2.mp4
│    68.lesson48-RNN Layer使用-1.mp4
│    69.lesson48-RNN Layer使用-2.mp4
│    70.lesson49-时间序列预测.mp4
│    71.lesson50-RNN训练难题.mp4
│    72.lesson51-LSTM原理-1.mp4
│    73.lesson51-LSTM原理-2.mp4
│    74.lesson52-LSTM Layer使用.mp4
│    75.lesson53-情感分类实战.mp4
│
└─12.对抗生成网络GAN
   76.lesson54-数据分布.mp4
   77.lesson55-画家的成长历程.mp4
   78.lesson56-GAN发展.mp4
   79.lesson57-纳什均衡-D.mp4
   80.lesson58-纳什均衡-G.mp4
   81.lesson59-JS散度的弊端.mp4
   82.lesson60-EM距离.mp4
   83.lesson61-WGAN与WGAN-GP.mp4
   84.lesson62-G和D实现.mp4
   85.lesson63-GAN实战.mp4
   86.lesson64-GAN训练不稳定.mp4
   87.lesson65-WGAN-GP实战.mp4

下载地址：Wq82wk7Q4h

游客，如果您要查看本帖隐藏内容请回复