人工精选龙龙老师 PyTorch与深度学习 视频课程+源码 共152课
这门课的名字很直白：PyTorch 与深度学习，配了完整视频和源码，一共 152 讲。如果你正打算从 Python 基础往模型训练方向走，又不想一上来就被各种"AI 大厂实战"的口号带着跑，它算是一个可以认真看看的选项。下面按"它解决什么场景、学完能独立做什么、资料适合谁"三个角度说清楚。 它对应的
会员可免费下载本篇月会员可免费领取。
开通会员 ›会员 · 按档位
游客按标价购买，不享受上表折扣。
支付成功后自动发放网盘链接，链接失效可找客服免费补
这门课的名字很直白：PyTorch 与深度学习，配了完整视频和源码，一共 152 讲。如果你正打算从 Python 基础往模型训练方向走，又不想一上来就被各种"AI 大厂实战"的口号带着跑，它算是一个可以认真看看的选项。下面按"它解决什么场景、学完能独立做什么、资料适合谁"三个角度说清楚。
它对应的工作场景
PyTorch 目前是深度学习岗位里出现频率最高的框架之一，但真正卡住初学者的问题往往不是"框架怎么用"，而是拿到一个任务后不知道从哪一步下手：数据怎么读、张量维度怎么对、损失函数为什么这么选、训练不收敛该往哪查。这门课的内容编排基本是围绕这条链路展开的，从张量操作、自动求导、神经网络模块，到卷积、循环网络、注意力机制这些主干结构，再到完整的训练和评估流程。它要解决的不是"知道 PyTorch 有 nn.Module"这种概念层的问题，而是让你面对一个具体数据集时，能自己把训练脚本搭起来、跑通、调参。
学完能独立做什么
按课程体量推断，跟完主体内容后，你应该具备这几项能力：
- 用 PyTorch 定义一个网络结构，并解释每一层的输入输出维度；
- 自己写训练循环，包括数据加载、前向传播、反向传播、参数更新和验证集评估；
- 对图像分类、文本序列这类常见任务，能参考已有结构做出可运行的复现；
- 训练结果不理想时，能定位是数据、结构还是超参数的问题，而不是只会换模型。
注意，这里说的是"能独立复现和调整"，不是"能发论文"。深度学习工程的入门门槛恰恰在这一层，过了这一层，后面读论文、改结构才有落脚点。
资料适合什么基础
需要你有 Python 基础，至少写过函数、用过列表和字典，理解类和对象的概念。数学方面，知道矩阵乘法、导数的含义就够开始，遇到不熟的部分可以边学边补，不必先啃完一整本数学书再来。如果你完全没写过代码，或者连 Python 的循环都还不熟，建议先补语言基础，否则视频里的张量操作和维度变换会很难跟上。
已有一定编程或运维经验、想往模型训练方向转的人，是这套资料比较合适的对象。152 讲的体量决定了它不是速成课，需要按顺序看，跳着看容易在维度变换和训练流程上断片。
怎么用这套资料
视频加源码的组合，关键在"看完就跑"。建议每看完一小节，自己把对应源码敲一遍或改一个参数跑一次，观察输出变化，这比单纯看视频记得牢。每完成两到三节，用自己的话记一份小结，重点写清楚"这一步解决什么问题、关键参数是什么、换掉会怎样"。全部跟完后，找一个课程没覆盖的小数据集，独立走一遍从读数据到评估的完整流程，把过程和结果整理成一份可展示的记录。这样一套下来，你对 PyTorch 的掌握就不是停留在"看过"，而是能拿出来讲清楚的东西。
龙龙老师 PyTorch与深度学习 视频课程+源码 共152课
课程推荐
《龙龙老师 PyTorch与深度学习 视频课程+源码 共152课》龙龙老师 PyTorch与深度学习 视频课程+源码 共152课【技能收获】学完可掌握：核心实战技能、项目驱动学习。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。
视频目录（152 节）
课程目录
* │ 1.深度学习框架简介_.mp4
* │ 2.PyTorch功能演示_.mp4
* │ 3.开发环境安装（简介）_.mp4
* │ 10.手写数字识别初体验-2_.mp4
* │ 11.手写数字识别初体验-3_.mp4
* │ 12.手写数字识别初体验-4_.mp4
* │ 13.手写数字识别初体验-5_.mp4
* │ 4.简单回归问题-_.mp4
* │ 5.简单回归问题-2_.mp4
* │ 6.回归问题实战_.mp4
* │ 7.分类问题引入-1_.mp4
* │ 8.分类问题引入-2_.mp4
* │ 9.手写数字识别初体验-1_.mp4
* │ 14.张量数据类型-1_.mp4
* │ 15.张量数据类型-2_.mp4
* │ 16.创建Tensor-1_.mp4
* │ 17.创建Tensor-2_.mp4
* │ 18.索引与切片-1_.mp4
* │ 19.索引与切片-2_.mp4
* │ 20.维度变换-1_.mp4
* │ 21.维度变换-2_.mp4
* │ 22.维度变换-3_.mp4
* │ 23.维度变换-4_.mp4
* │ 24.Broadcasting-1_.mp4
* │ 25.Broadcasting-2_.mp4
* │ 26.Broadcasting-3_.mp4
* │ 27.合并与分割-1_.mp4
* │ 28.合并与分割-2_.mp4
* │ 29.数学运算-1_.mp4
* │ 30.数学运算-2_.mp4
* │ 31.属性统计-1_.mp4
* │ 32.属性统计-2_.mp4
* │ 33.高阶操作_.mp4
* │ 34.什么是梯度-1_.mp4
* │ 35.什么是梯度-2_.mp4
* │ 36.常见函数的梯度_.mp4
* │ 37.激活函数与Loss的梯度-1_.mp4
* │ 38.激活函数与Loss的梯度-2_.mp4
* │ 39.激活函数与Loss的梯度-3_.mp4
* │ 40.激活函数与Loss的梯度-4_.mp4
* │ 41.感知机的梯度推导-1_.mp4
* │ 42.感知机的梯度推导-2_.mp4
* │ 43.链式法则_.mp4
* │ 44.反向传播算法-1_.mp4
* │ 45.反向传播算法-2_.mp4
* │ 46.优化问题实战_.mp4
* │ 47.Logistic.Regression_.mp4
* │ 48.交叉熵-1_.mp4
* │ 49.交叉熵-2_.mp4
* │ 50.多分类问题实战_.mp4
* │ 51.全连接层_.mp4
* │ 52.激活函数与GPU加速_.mp4
* │ 53.MNIST测试实战_.mp4
* │ 54.Visdom可视化_.mp4
* │ 55.过拟合与欠拟合_.mp4
* │ 56.交叉验证-1_.mp4
* │ 57.交叉验证-2_.mp4
* │ 58.Regularization_.mp4
* │ 59.动量与学习率衰减_.mp4
* │ 60.Early.stopping,.dropout等_.mp4
* │ 61.什么是卷积-1_.mp4
* │ 62.什么是卷积-2_.mp4
* │ 63.卷积神经网络-1_.mp4
* │ 64.卷积神经网络-2_.mp4
* │ 65.卷积神经网络-3_.mp4
* │ 66.池化层与采样_.mp4
* │ 67.BatchNorm-1_.mp4
* │ 68.BatchNorm-2_.mp4
* │ 69.经典卷积网络.LeNet5,AlexNet,.VGG,.GoogLeNet-1_.mp4
* │ 70.经典卷积网络.LeNet5,AlexNet,.VGG,.GoogLeNet-2_.mp4
* │ 71.ResNet与DenseNet-1_.mp4
* │ 72.ResNet与DenseNet-2_.mp4
* │ 73.nn.Module模块-1_.mp4
* │ 74.nn.Module模块-2_.mp4
* │ 75.数据增强_.mp4
* │ 76.CIFAR10数据集介绍_.mp4
* │ 77.卷积神经网络实战-1_.mp4
* │ 78.卷积神经网络实战-2_.mp4
* │ 79.卷积神经网络训练_.mp4
* │ 80.ResNet实战-1_.mp4
* │ 81.ResNet实战-2_.mp4
* │ 82.ResNet实战-3_.mp4
* │ 83.ResNet实战-4_.mp4
* │ 84.实战小结_.mp4
* │ 85.时间序列表示方法_.mp4
* │ 86.RNN原理-1_.mp4
* │ 87.RNN原理-_.mp4
* │ 88.RNN.Layer使用-1_.mp4
* │ 89.RNN.Layer使用-2_.mp4
* │ 90.时间序列预测实战_.mp4
* │ 91.梯度弥散与梯度爆炸_.mp4
* │ 92.LSTM原理-_.mp4
* │ 93.LSTM原理-2_.mp4
* │ 94.LSTM.Layer使用_.mp4
* │ 95.情感分类问题实战_.mp4
* │ 100.自定义数据集实战-3_.mp4
* │ 101.自定义数据集实战-4_.mp4
* │ 102.自定义数据集实战-5_.mp4
* │ 103.自定义网络_.mp4
* │ 104.自定义网络训练与测试_.mp4
* │ 105.自定义网络实战_.mp4
* │ 106.迁移学习_.mp4
* │ 107.迁移学习实战_.mp4
* │ 96.Pokemon数据集_.mp4
* │ 97.数据预处理_.mp4
* │ 98.自定义数据集实战-1_.mp4
* │ 99.自定义数据集实战-2_.mp4
* │ 108.无监督学习_.mp4
* │ 109.Auto-Encoder原理_.mp4
* │ 110.Auto-Encoder变种_.mp4
* │ 111.Adversarial.Auto-Encoder_.mp4
* │ 112.变分Auto-Encoder引入_.mp4
* │ 113.Reparameterization.trick_.mp4
* │ 114.变分自编码器VAE_.mp4
* │ 115.Auto-Encoder实战-1_.mp4
* │ 116.Auto-Encoder实战-2_.mp4
* │ 117.变分Auto-Encoder实战-1_.mp4
* │ 118.变分Auto-Encoder实战-2_.mp4
* │ 119.数据的分布_.mp4
* │ 120.画家的成长历程_.mp4
* │ 121.GAN原理_.mp4
* │ 122.纳什均衡-D_.mp4
* │ 123.纳什均衡-G_.mp4
* │ 124.JS散度的缺陷_.mp4
* │ 125.EM距离_.mp4
* │ 126.WGAN与WGAN-GP_.mp4
* │ 127.GAN实战-GD实现_.mp4
* │ 128.GAN实战-网络训练_.mp4
* │ 129.GAN实战-网络训练鲁棒性_.mp4
* │ 130.WGAN-GP实战_.mp4
* │ 131.Ubuntu系统安装_.mp4
* │ 132.Anaconda安装_.mp4
* │ 133.CUDA.10安装_.mp4
* │ 134.环境变量配置_.mp4
* │ 135.cudnn安装_.mp4
* │ 136.PyCharm安装与配置_.mp4
* │ 137.生物神经元结构_.mp4
* │ 138.感知机的提出_.mp4
* │ 139.BP神经网络_.mp4
* │ 140.CNN和LSTM的发明_.mp4
* │ 141.人工智能的低潮_.mp4
* │ 142.深度学习的诞生_.mp4
* │ 143.深度学习的繁荣_.mp4
* │ 144.权值的表示_.mp4
* │ 145.多层感知机的实现_.mp4
* │ 146.多层感知机前向传播_.mp4
* │ 147.多层感知机反向传播_.mp4
* │ 148.多层感知机反向传播-2_.mp4
* │ 149.多层感知机反向传播-3_.mp4
* │ 150.多层感知机的训练_.mp4
* │ 151.多层感知机的测试_.mp4
* │ 152.实战小结_.mp4
配套笔记（2 份 PDF）
* 花书-中文版.pdf
* 花书-深度学习-Eng.pdf
同类课程
和你正在看的这门一个方向
算法数学清华大学算法训练营蓝桥杯ACM信息竞赛视频教程合集
永久有效 · 网盘发货
算法数学Python深度学习与PyTorch实战教程（网易云课堂）
永久有效 · 网盘发货
算法数学深度学习神经网络（CNN、RNN、GAN）算法原理与实战教程（含源码课件）
永久有效 · 网盘发货
算法数学慕课网AI人工智能算法工程师2024|0源码+PDF课件+电子书
永久有效 · 网盘发货
算法数学「【九天菜菜】深度学习实战课
永久有效 · 网盘发货
算法数学高手内功必修课-ARM汇编系统入门与实践|已完结
永久有效 · 网盘发货