深度框架-PyTorch实战系列视频资料一_共：8.12GB
21660文件名称： 深度框架-PyTorch实战系列视频资料一_共：8.12GB
文件总数量： 130条
压缩文件数量： 0条
压缩文件比： 0%
疑似加密文件： 0条(需要授权播放的文件)
文件创建时间： 2020-12-30 05:08:57
目录：【深度学习框架-PyTorch实战系列】
目录：【深度学习框架-PyTorch实战系列】
目录：【深度学习框架-PyTorch实战系列/16PyTorch框架实战模板解读】
128模块应用与BenckMark解读.mp4
127训练结果可视化展示模块.mp4
126训练模块功能.mp4
125模型架构模块_.mp4
124数据读取与预处理模块功能解读.mp4
123各模块配置参数解析.mp4
122项目模板各模块概述_.mp4
目录：【深度学习框架-PyTorch实战系列/15基于PyTorch实战BERT模型（民间PyTorch版）】
121训练网络模型.mp4
120网络结构定义.mp4
119数据读取与预处理.mp4
118项目配置与环境概述_.mp4
目录：【深度学习框架-PyTorch实战系列/14谷歌开源项目BERT源码解读（官方TF版）】
117训练BERT模型.mp4
116完成Transformer模块构建_.mp4
115构建QKV矩阵.mp4
114mask机制.mp4
113加入位置编码特征.mp4
112加入额外编码特征.mp4
111Embedding层的作用_.mp4
110tfrecord制作.mp4
109数据预处理模块.mp4
108数据读取模块.mp4
107项目参数配置.mp4
106BERT开源项目简介.mp4
目录：【深度学习框架-PyTorch实战系列/13自然语言处理通用框架BERT原理解读】
105训练实例.mp4
104BERT模型训练方法_.mp4
103transformer整体架构梳理.mp4
102位置编码与多层堆叠.mp4
101Multi-head的作用_.mp4
100特征分配与softmax机制.mp4
099self-attention计算方法.mp4
098注意力机制的作用_.mp4
097传统解决方案遇到的问题.mp4
096BERT任务目标概述.mp4
目录：【深度学习框架-PyTorch实战系列/12基于3D卷积的视频分析与动作识别】
095训练网络模型_.mp4
0943D卷积网络所涉及模块.mp4
093数据Batch制作方法.mp4
092视频数据预处理方法.mp4
091测试效果与项目配置.mp4
090UCF101动作识别数据集简介.mp4
0893D卷积原理解读_.mp4
目录：【深度学习框架-PyTorch实战系列/11OCR文字识别项目实战】
088识别模块网络架构解读.mp4
087CRNN识别模块所需数据与标签.mp4
086网络架构各模块完成的任务解读.mp4
085整体网络所需模块.mp4
084候选框标签制作.mp4
083检.测模块候选框生成.mp4
082OCR文字检.测识别项目效果展示.mp4
081OCR文字检.测识别项目效果展示_.mp4
目录：【深度学习框架-PyTorch实战系列/10OCR文字识别原理】
080CTC模块的作用.mp4
079CRNN识别网络架构.mp4
078CTPN细节概述.mp4
077输出结果含义解析.mp4
076序列网络的作用.mp4
075CTPN文字检.测网络概述.mp4
074OCR文字识别要完成的任务_.mp4
目录：【深度学习框架-PyTorch实战系列/09基于CycleGan开源项目实战图像合成】
071损失函数：identity?loss计算方法.mp4
073额外补充：VISDOM可视化配置_.mp4
072生成与判别损失函数指定.mp4
070判别网络模块构造.mp4
069生成网络模块构造.mp4
068数据读取与预处理操作.mp4
067Cycle开源项目简介_.mp4
066PatchGan判别网络原理.mp4
065CycleGan整体网络架构.mp4
064CycleGan网络所需数据.mp4
目录：【深度学习框架-PyTorch实战系列/08对抗生成网络架构原理与实战解析】
063生成与判别网络定义.mp4
062数据读取模块.mp4
061损失函数解释说明.mp4
060GAN网络组成_.mp4
059对抗生成网络通俗解释.mp4
目录：【深度学习框架-PyTorch实战系列/07新闻数据集文本分类实战】
058网络模型架构与效果展示_.mp4
057CNN应用于文本任务原理解析.mp4
056Tensorboardx可视化展示模块搭建.mp4
055训练LSTM文本分类模型_.mp4
054LSTM网络模块定义与参数解析.mp4
053新闻数据读取与预处理方法.mp4
052项目配置参数设置.mp4
051RNN模型所需输入格式解析.mp4
050任务目标与数据简介.mp4
目录：【深度学习框架-PyTorch实战系列/06递归神经网络与词向量原理解读】
049负采样方案.mp4
048CBOW与Skip-gram模型_.mp4
047训练数据构建.mp4
046模型整体框架.mp4
045词向量模型通俗解释.mp4
044RNN网络架构解读.mp4
目录：【深度学习框架-PyTorch实战系列/05迁移学习的作用与应用实例】
043额外补充-Resnet网络架构解读.mp4
042额外补充-Resnet论文解读.mp4
041加载模型对测试数据进行预测.mp4
040训练结果与模型保存.mp4
039实现训练模块.mp4
038优化器模块配置.mp4
037加载训练好的网络模型_.mp4
036迁移学习策略_.mp4
035迁移学习的目标.mp4
目录：【深度学习框架-PyTorch实战系列/04图像识别核心模块实战解读】
034Batch数据制作.mp4
033数据预处理与数据增强模块.mp4
032图像增强的作用.mp4
031分类任务数据集定义与配置.mp4
030Vision模块功能解读.mp4
029网络流程解读.mp4
028卷积网络参数定义_.mp4
目录：【深度学习框架-PyTorch实战系列/03卷积神经网络原理与参数解读】
027感受野的作用.mp4
026残差网络Resnet.mp4
025VGG网络架构.mp4
024整体网络架构.mp4
023池化层的作用_.mp4
022特征图尺寸计算与参数共享.mp4
021边缘填充方法.mp4
020步长与卷积核大小对结果的影响.mp4
019得到特征图表示.mp4
018卷积特征值计算方法_.mp4
017卷积的作用.mp4
016卷积神经网络应用领域.mp4
目录：【深度学习框架-PyTorch实战系列/02神经网络实战分类与回归任务】
015DataSet模块介绍与应用方法.mp4
014构建分类网络模型.mp4
013分类任务概述.mp4
012简化代码训练网络模型.mp4
011按建模顺序构建完成网络架构.mp4
010气Wen数据集与任务介绍_.mp4
目录：【深度学习框架-PyTorch实战系列/01PyTorch框架基本处理操作】
课程数据代码下载_.txt
009补充：Hub模块简介.mp4
008补充：常见tensor格式.mp4
007线性回归DEMO-训练回归模型_.mp4
006线性回归DEMO-数据与参数配置.mp4
005自动求导机制.mp4
004PyTorch基本操作.mp4
003框架安装方法（CPU与GPU版本）.mp4
002PyTorch框架发展趋势简介.mp4
001PyTorch实战课程简介.mp4
页:
[1]