资源简介

深度学习框架-PyTorch实战课程旨在帮助同学们快速掌握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。

资源目录

——/计算机教程/10网易云课堂/039-唐云迪-深度学习-PyTorch框架实战系列/
├──章节01PyTorch框架基本处理操作  
|   ├──1  PyTorch实战课程简介.mp4  12.70M
|   ├──2  PyTorch框架发展趋势简介.mp4  14.74M
|   ├──3  框架安装方法（CPU与GPU版本）.mp4  10.80M
|   ├──4  PyTorch基本操作.mp4  16.97M
|   ├──5  自动求导机制.mp4  21.32M
|   ├──6  线性回归DEMO-数据与参数配置.mp4  30.27M
|   ├──7  线性回归DEMO-训练回归模型.mp4  24.58M
|   ├──8  补充：常见tensor格式.mp4  28.95M
|   └──9  补充：Hub模块简介.mp4  33.39M
├──章节02神经网络实战分类与回归任务  
|   ├──12  气温数据集与任务介绍.mp4  18.53M
|   ├──13  按建模顺序构建完成网络架构.mp4  27.06M
|   ├──14  简化代码训练网络模型.mp4  28.98M
|   ├──15  分类任务概述.mp4  10.31M
|   ├──16  构建分类网络模型.mp4  24.18M
|   └──17  DataSet模块介绍与应用方法.mp4  150.49M
├──章节03卷积神经网络原理与参数解读  
|   ├──19  卷积神经网络应用领域.mp4  16.29M
|   ├──20  卷积的作用.mp4  18.13M
|   ├──21  卷积特征值计算方法.mp4  64.86M
|   ├──22  得到特征图表示.mp4  14.62M
|   ├──23  步长与卷积核大小对结果的影响.mp4  15.99M
|   ├──24 边缘填充方法.mp4  13.02M
|   ├──25   特征图尺寸计算与参数共享.mp4  16.77M
|   ├──26  池化层的作用.mp4  9.34M
|   ├──27  整体网络架构.mp4  13.09M
|   ├──28  VGG网络架构.mp4  14.56M
|   ├──29  残差网络Resnet.mp4  14.19M
|   └──31  感受野的作用.mp4  12.80M
├──章节04图像识别核心模块实战解读  
|   ├──32  卷积网络参数定义.mp4  17.49M
|   ├──33  网络流程解读.mp4  21.92M
|   ├──34  Vision模块功能解读.mp4  13.77M
|   ├──35  分类任务数据集定义与配置.mp4  82.10M
|   ├──36  图像增强的作用.mp4  11.00M
|   ├──37  数据预处理与数据增强模块.mp4  24.86M
|   └──38  Batch数据制作.mp4  26.72M
├──章节05迁移学习的作用与应用实例  
|   ├──40  迁移学习的目标.mp4  9.38M
|   ├──41  迁移学习策略.mp4  11.85M
|   ├──42  加载训练好的网络模型.mp4  29.34M
|   ├──43  优化器模块配置.mp4  15.05M
|   ├──44  实现训练模块.mp4  21.81M
|   ├──45  训练结果与模型保存.mp4  114.06M
|   ├──46  加载模型对测试数据进行预测.mp4  31.04M
|   ├──47  额外补充-Resnet论文解读.mp4  64.66M
|   └──48  额外补充-Resnet网络架构解读.mp4  43.78M
├──章节06递归神经网络与词向量原理解读  
|   ├──49  RNN网络架构解读.mp4  18.71M
|   ├──50  词向量模型通俗解释.mp4  15.96M
|   ├──51  模型整体框架.mp4  20.12M
|   ├──53  训练数据构建.mp4  11.19M
|   ├──54  CBOW与Skip-gram模型.mp4  55.84M
|   └──55  负采样方案.mp4  18.67M
├──章节07新闻数据集文本分类实战  
|   ├──56  任务目标与数据简介.mp4  20.08M
|   ├──57  RNN模型所需输入格式解析.mp4  14.31M
|   ├──58  项目配置参数设置.mp4  96.53M
|   ├──59  新闻数据读取与预处理方法.mp4  23.99M
|   ├──60  LSTM网络模块定义与参数解析.mp4  79.53M
|   ├──62  训练LSTM文本分类模型.mp4  26.83M
|   ├──63  Tensorboardx可视化展示模块搭建.mp4  28.99M
|   ├──64  CNN应用于文本任务原理解析.mp4  18.29M
|   └──65  网络模型架构与效果展示.mp4  32.76M
├──章节08对抗生成网络架构原理与实战解析  
|   ├──67  对抗生成网络通俗解释.mp4  26.95M
|   ├──68  GAN网络组成.mp4  8.49M
|   ├──69  损失函数解释说明.mp4  28.65M
|   ├──70  数据读取模块.mp4  20.97M
|   └──71  生成与判别网络定义.mp4  112.73M
├──章节09基于CycleGan开源项目实战图像  
|   ├──72  CycleGan网络所需数据.mp4  117.34M
|   ├──73  CycleGan整体网络架构.mp4  25.92M
|   ├──74  PatchGan判别网络原理.mp4  15.01M
|   ├──75  Cycle开源项目简介.mp4  29.96M
|   ├──76  数据读取与预处理操作.mp4  40.03M
|   ├──77  生成网络模块构造.mp4  34.78M
|   ├──78   判别网络模块构造.mp4  53.88M
|   ├──79  损失函数：identity loss计算方法.mp4  25.53M
|   ├──80  生成与判别损失函数指定.mp4  93.88M
|   └──81  额外补充：VISDOM可视化配置.mp4  24.99M
├──章节10OCR文字识别原理  
|   ├──83  OCR文字识别要完成的任务.mp4  14.49M
|   ├──84 CTPN文字检测网络概述.mp4  13.99M
|   ├──85  序列网络的作用.mp4  15.64M
|   ├──86  输出结果含义解析.mp4  11.89M
|   ├──87  CTPN细节概述.mp4  15.70M
|   ├──88  CRNN识别网络架构.mp4  11.43M
|   └──89  CTC模块的作用.mp4  7.74M
├──章节11OCR文字识别项目实战  
|   ├──90  OCR文字检测识别项目效果展示.mp4  13.14M
|   ├──92  训练数据准备与环境配置.mp4  23.10M
|   ├──93  检测模块候选框生成.mp4  23.60M
|   ├──94  候选框标签制作.mp4  23.30M
|   ├──95  整体网络所需模块.mp4  15.90M
|   ├──96  网络架构各模块完成的任务解读.mp4  22.00M
|   ├──97  CRNN识别模块所需数据与标签.mp4  50.47M
|   └──98  识别模块网络架构解读.mp4  29.58M
├──章节12  
|   ├──100  3D卷积原理解读.mp4  16.76M
|   ├──101  UCF101动作识别数据集简介.mp4  36.93M
|   ├──102  测试效果与项目配置.mp4  39.46M
|   ├──103  测试效果与项目配置.mp4  23.69M
|   ├──104  数据Batch制作方法.mp4  32.97M
|   ├──105  3D卷积网络所涉及模块.mp4  25.42M
|   └──106  训练网络模型.mp4  69.88M
├──章节13自然语言处理通用框架BERT原理  
|   ├──100  3D卷积原理解读.mp4  16.76M
|   ├──101  UCF101动作识别数据集简介.mp4  36.93M
|   ├──102  测试效果与项目配置.mp4  39.46M
|   ├──103  视频数据预处理方法.mp4  23.69M
|   ├──104 数据Batch制作方法.mp4  32.97M
|   ├──105  3D卷积网络所涉及模块.mp4  25.42M
|   ├──106  训练网络模型.mp4  69.88M
|   ├──107  BERT任务目标概述.mp4  9.06M
|   ├──109  传统解决方案遇到的问题.mp4  18.19M
|   ├──110  注意力机制的作用.mp4  18.69M
|   ├──111  self-attention计算方法.mp4  19.05M
|   ├──112  特征分配与softmax机制.mp4  16.87M
|   ├──113  Multi-head的作用.mp4  15.70M
|   ├──114  位置编码与多层堆叠.mp4  12.53M
|   ├──115  transformer整体架构梳理.mp4  43.26M
|   ├──116  BERT模型训练方法.mp4  15.36M
|   └──117  训练实例.mp4  47.00M
├──章节14谷歌开源项目BERT源码解读  
|   ├──118  BERT开源项目简介.mp4  25.60M
|   ├──119  项目参数配置.mp4  59.34M
|   ├──121  数据读取模块.mp4  32.84M
|   ├──122  数据预处理模块.mp4  102.24M
|   ├──123  tfrecord制作.mp4  36.42M
|   ├──124  Embedding层的作用.mp4  22.11M
|   ├──125  加入额外编码特征.mp4  29.54M
|   ├──126  加入位置编码特征.mp4  63.80M
|   ├──127  mask机制.mp4  87.65M
|   ├──128  构建QKV矩阵.mp4  35.90M
|   ├──129  完成Transformer模块构建.mp4  29.50M
|   └──130  训练BERT模型.mp4  34.61M
├──章节15基于PyTorch实战BERT模型  
|   ├──132  项目配置与环境概述.mp4  19.76M
|   ├──133  数据读取与预处理.mp4  16.30M
|   ├──134  网络结构定义.mp4  48.06M
|   └──135   训练网络模型.mp4  26.32M
├──章节16PyTorch框架实战模板解读  
|   ├──137  项目模板各模块概述.mp4  89.31M
|   ├──138  各模块配置参数解析.mp4  26.11M
|   ├──139  数据读取与预处理模块功能解读.mp4  33.07M
|   ├──140  模型架构模块.mp4  50.98M
|   ├──141  训练模块功能.mp4  33.03M
|   ├──142  训练结果可视化展示模块.mp4  25.53M
|   └──143  模块应用与BenckMark解读.mp4  39.54M
└──pytorch数据代码.txt  0.11kb

资源下载