深度学习框架-PyTorch实战

学习深度学习框架PyTorch核心模块，熟练应用在实际项目中

*   01 PyTorch框架基本处理操作/

  *   01 PyTorch实战课程简介.mp4 04:53

  *   02 PyTorch框架发展趋势简介.mp4 08:25

  *   03 框架安装方法（CPU与GPU版本）.mp4 05:13

  *   04 PyTorch基本操作简介.mp4 09:25

  *   05 自动求导机制.mp4 10:59

  *   06 线性回归DEMO-数据与参数配置.mp4 08:56

  *   07 线性回归DEMO-训练回归模型.mp4 10:08

  *   08 补充：常见tensor格式.mp4 07:10

  *   09 补充：Hub模块简介.mp4 08:25

*   02 神经网络实战分类与回归任务/

  *   01 气温数据集与任务介绍.mp4 06:42

  *   02 按建模顺序构建完成网络架构.mp4 11:38

  *   03 简化代码训练网络模型.mp4 11:04

  *   04 分类任务概述.mp4 05:12

  *   05 构建分类网络模型.mp4 09:40

  *   06 DataSet模块介绍与应用方法.mp4 10:11

*   03 卷积神经网络原理与参数解读/

  *   01 卷积神经网络应用领域.mp4 07:24

  *   02 卷积的作用.mp4 09:23

  *   03 卷积特征值计算方法.mp4 08:07

  *   04 得到特征图表示.mp4 06:58

  *   05 步长与卷积核大小对结果的影响.mp4 08:11

  *   06 边缘填充方法.mp4 06:30

  *   07 特征图尺寸计算与参数共享.mp4 07:02

  *   08 池化层的作用.mp4 05:38

  *   09 整体网络架构.mp4 06:20

  *   10 VGG网络架构.mp4 06:16

  *   11 残差网络Resnet.mp4 07:41

  *   12 感受野的作用.mp4 05:46

*   04 图像识别核心模块实战解读/

  *   01 卷积网络参数定义.mp4 07:21

  *   02 网络流程解读.mp4 07:26

  *   03 Vision模块功能解读.mp4 05:10

  *   04 分类任务数据集定义与配置.mp4 06:27

  *   05 图像增强的作用.mp4 04:51

  *   06 数据预处理与数据增强模块.mp4 09:25

  *   07 Batch数据制作.mp4 08:37

*   05 迁移学习的作用与应用实例/

  *   01 迁移学习的目标.mp4 05:31

  *   02 迁移学习策略.mp4 07:11

  *   03 加载训练好的网络模型.mp4 09:54

  *   04 优化器模块配置.mp4 05:14

  *   05 实现训练模块.mp4 08:15

  *   06 训练结果与模型保存.mp4 09:31

  *   07 加载模型对测试数据进行预测.mp4 09:10

  *   08 额外补充-Resnet论文解读.mp4 11:47

  *   09 额外补充-Resnet网络架构解读.mp4 08:26

*   06 递归神经网络与词向量原理解读/

  *   01 RNN网络架构解读.mp4 11:27

  *   02 词向量模型通俗解释.mp4 08:14

  *   03 模型整体框架.mp4 10:09

  *   04 训练数据构建.mp4 05:10

  *   05 CBOW与Skip-gram模型.mp4 08:20

  *   06 负采样方案.mp4 07:40

*   07 新闻数据集文本分类实战/

  *   01 任务目标与数据简介.mp4 07:18

  *   02 RNN模型所需输入格式解析.mp4 06:54

  *   03 项目配置参数设置.mp4 10:26

  *   04 新闻数据读取与预处理方法.mp4 08:07

  *   05 LSTM网络模块定义与参数解析.mp4 09:35

  *   06 训练LSTM文本分类模型.mp4 08:55

  *   07 Tensorboardx可视化展示模块搭建.mp4 09:16

  *   08 CNN应用于文本任务原理解析.mp4 10:46

  *   09 网络模型架构与效果展示.mp4 10:58

*   08 对抗生成网络架构原理与实战解析/

  *   01 对抗生成网络通俗解释.mp4 08:24

  *   02 GAN网络组成.mp4 05:14

  *   03 损失函数解释说明.mp4 10:05

  *   04 数据读取模块.mp4 08:26

  *   05 生成与判别网络定义.mp4 08:39

*   09 基于CycleGan开源项目实战图像合成/

  *   01 CycleGan网络所需数据.mp4 06:50

  *   02 CycleGan整体网络架构.mp4 10:03

  *   03 PatchGan判别网络原理.mp4 04:40

  *   04 Cycle开源项目简介.mp4 07:07

  *   05 数据读取与预处理操作.mp4 10:17

  *   06 生成网络模块构造.mp4 12:12

  *   07 判别网络模块构造.mp4 05:02

  *   08 损失函数：identity loss计算方法.mp4 09:12

  *   09 生成与判别损失函数指定.mp4 11:40

  *   10 额外补充：VISDOM可视化配置.mp4 05:54

*   10 OCR文字识别原理/

  *   01 OCR文字识别要完成的任务.mp4 06:29

  *   02 CTPN文字检测网络概述.mp4 08:05

  *   03 序列网络的作用.mp4 09:19

  *   04 输出结果含义解析.mp4 07:09

  *   05 CTPN细节概述.mp4 09:06

  *   06 CRNN识别网络架构.mp4 06:16

  *   07 CTC模块的作用.mp4 04:29

*   11 OCR文字识别项目实战/

  *   01 OCR文字检测识别项目效果展示.mp4 04:20

  *   02 训练数据准备与环境配置.mp4 06:49

  *   03 检测模块候选框生成.mp4 08:06

  *   04 候选框标签制作.mp4 08:23

  *   05 整体网络所需模块.mp4 04:55

  *   06 网络架构各模块完成的任务解读.mp4 08:38

  *   07 CRNN识别模块所需数据与标签.mp4 05:12

  *   08 识别模块网络架构解读.mp4 10:41

*   12 基于3D卷积的视频分析与动作识别/

  *   01 3D卷积原理解读.mp4 07:43

  *   02 UCF101动作识别数据集简介.mp4 06:02

  *   03 测试效果与项目配置.mp4 12:01

  *   04 视频数据预处理方法.mp4 07:24

  *   05 数据Batch制作方法.mp4 09:02

  *   06 3D卷积网络所涉及模块.mp4 07:50

  *   07 训练网络模型.mp4 08:32

*   13 自然语言处理通用框架BERT原理解读/

  *   01 BERT任务目标概述.mp4 05:27

  *   02 传统解决方案遇到的问题.mp4 11:09

  *   03 注意力机制的作用.mp4 06:56

  *   04 self-attention计算方法.mp4 11:24

  *   05 特征分配与softmax机制.mp4 09:20

  *   06 Multi-head的作用.mp4 09:09

  *   07 位置编码与多层堆叠.mp4 07:17

  *   08 transformer整体架构梳理.mp4 10:57

  *   09 BERT模型训练方法.mp4 09:37

  *   10 训练实例.mp4 09:47

*   14 开源项目BERT源码解读（官方TF版）/

  *   01 BERT开源项目简介.mp4 07:35

  *   02 项目参数配置.mp4 12:08

  *   03 数据读取模块.mp4 07:40

  *   04 数据预处理模块.mp4 09:37

  *   05 tfrecord制作.mp4 11:35

  *   06 Embedding层的作用.mp4 07:29

  *   07 加入额外编码特征.mp4 09:22

  *   08 加入位置编码特征.mp4 05:12

  *   09 mask机制.mp4 08:49

  *   10 构建QKV矩阵.mp4 12:38

  *   11 完成Transformer模块构建.mp4 09:56

  *   12 训练BERT模型.mp4 08:51

*   15 基于PyTorch实战BERT模型（民间PyTorch版）/

  *   01 项目配置与环境概述.mp4 06:52

  *   02 数据读取与预处理.mp4 05:45

  *   03 网络结构定义.mp4 07:01

  *   04 训练网络模型.mp4 08:19

*   16 PyTorch框架实战模板解读/

  *   01 项目模板各模块概述.mp4 08:43

  *   02 各模块配置参数解析.mp4 09:15

  *   03 数据读取与预处理模块功能解读.mp4 11:45

  *   04 模型架构模块.mp4 06:46

  *   05 训练模块功能.mp4 11:22

  *   06 训练结果可视化展示模块.mp4 07:19

  *   07 模块应用与BenckMark解读.mp4 11:53