深度学习-PyTorch实战课程-含PyTorch基础、图像识别、RNN神经网络等_8.69GB
47908文件名称： 深度学习-PyTorch实战课程-含PyTorch基础、图像识别、RNN神经网络等827_共：8.69GB
文件总数量： 144条
压缩文件数量： 14条
压缩文件比： 9.72%
疑似加密文件： 0条(需要授权播放的文件)
文件创建时间：2023-05-30 05:55:28
目录：【05.迁移学习】
5-8额外补充-Resnet论文解读.mp4
5-4优化器模块配置.mp4
5-2迁移学习策略.mp4
5-1迁移学习的目标.mp4
5-5实现训练模块.mp4
5-3加载训练好的网络模型.mp4
5-6训练结果与模型保存.mp4
5-7加载模型对测试数据进行预测.mp4
5-9额外补充-Resnet网络架构解读.mp4
目录：【10.OCR文字识别】
10-2CTPN文字检测网络概述.mp4
10-4输出结果含义解析.mp4
10-6CRNN识别网络架构.mp4
10-3序列网络的作用.mp4
10-7CTC模块的作用.mp4
10-1OCR文字识别要完成的任务.mp4
10-5CTPN细节概述.mp4
目录：【代码+资料】
第11章：OCR文字识别项目实战.zip
第13章：自然语言处理通用框架BERT原理解读.rar
第15章：BERT.zip
第14章：谷歌开源项目BERT源码解读（官方TF版）.rar
第01章：PyTorch框架基本处理操作.zip
第08章：对抗生成网络架构原理与实战解析.zip
第03章：卷积神经网络.rar
第06章：word2vec通俗解释.zip
第07章：新闻数据集文本分类实战.zip
第04章：图像识别核心模块实战解读.zip
第09章：基于CycleGan开源项目实战图像合成.zip
第12章：基于3D卷积的视频分析与动作识别.zip
第02章：神经网络实战分类与回归任务.zip
第16章：PyTorch框架实战模板解读.zip
目录：【13.BERT框架】
13-2传统解决方案遇到的问题.mp4
13-1BERT任务目标概述.mp4
13-8transformer整体架构梳理.mp4
13-3注意力机制的作用.mp4
13-10训练实例.mp4
13-7位置编码与多层堆叠.mp4
13-4self-attention计算方法.mp4
13-6Multi-head的作用.mp4
13-5特征分配与softmax机制.mp4
13-9BERT模型训练方法.mp4
目录：【03.卷积神经】
3-8池化层的作用.mp4
3-6边缘填充方法.mp4
3-12感受野的作用.mp4
3-10VGG网络架构.mp4
3-9整体网络架构.mp4
3-3卷积特征值计算方法.mp4
3-2卷积的作用.mp4
3-11残差网络Resnet.mp4
3-4得到特征图表示.mp4
3-5步长与卷积核大小对结果的影响.mp4
3-7特征图尺寸计算与参数共享.mp4
3-1卷积神经网络应用领域.mp4
目录：【09.CycleGan开源实战】
9-10额外补充：VISDOM可视化配置.mp4
9-7判别网络模块构造.mp4
9-9生成与判别损失函数指定.mp4
9-8损失函数：identityloss计算方法.mp4
9-1CycleGan网络所需数据.mp4
9-6生成网络模块构造.mp4
9-2CycleGan整体网络架构.mp4
9-4Cycle开源项目简介.mp4
9-5数据读取与预处理操作.mp4
9-3PatchGan判别网络原理.mp4
目录：【代码+资料/PPT】
PyTorch.pdf
目录：【01.PyTorch基础】
1-8补充：常见tensor格式.mp4
1-9补充：Hub模块简介.mp4
1-7线X回归DEMO-训练回归模型.mp4
1-3框架安装方法（CPU与GPU版本）.mp4
1-2PyTorch框架发展趋势简介.mp4
1-5自动求导机制.mp4
1-4PyTorch基本操作简介.mp4
1-6线X回归DEMO-数据与参数配置.mp4
1-1PyTorch实战课程简介.mp4
目录：【07.文本分类实战】
7-7Tensorboardx可视化展示模块搭建.mp4
7-5LSTM网络模块定义与参数解析.mp4
7-8CNN应用于文本任务原理解析.mp4
7-1任务目标与数据简介.mp4
7-2RNN模型所需输入格式解析.mp4
7-9网络模型架构与效果展示.mp4
7-4新闻数据读取与预处理方法.mp4
7-6训练LSTM文本分类模型.mp4
7-3项目配置参数设置.mp4
目录：【14.BERT源码】
14-12训练BERT模型.mp4
14-6Embedding层的作用.mp4
14-3数据读取模块.mp4
14-1BERT开源项目简介.mp4
14-5tfrecord制作.mp4
14-7加入额外编码特征.mp4
14-11完成Transformer模块构建.mp4
14-8加入位置编码特征.mp4
14-9mask机制.mp4
14-4数据预处理模块.mp4
14-10构建QKV矩阵.mp4
14-2项目参数配置.mp4
目录：【08.对抗生成网络架构】
8-4数据读取模块.mp4
8-5生成与判别网络定义.mp4
8-2GAN网络组成.mp4
8-3损失函数解释说明.mp4
8-1对抗生成网络通俗解释.mp4
目录：【11.OCR文字识别实战】
11-8识别模块网络架构解读.mp4
11-2训练数据准备与环境配置.mp4
11-4候选框标签制作.mp4
11-3检测模块候选框生成.mp4
11-1OCR文字检测识别项目效果展示.mp4
11-7CRNN识别模块所需数据与标签.mp4
11-5整体网络所需模块.mp4
11-6网络架构各模块完成的任务解读.mp4
目录：【04.图像识别】
4-2网络流程解读.mp4
4-3Vision模块功能解读.mp4
4-4分类任务数据集定义与配置.mp4
4-7Batch数据制作.mp4
4-6数据预处理与数据增强模块.mp4
4-1卷积网络参数定义.mp4
4-5图像增强的作用.mp4
目录：【12.3D卷积视频分析】
12-2UCF101动作识别数据集简介.mp4
12-7训练网络模型.mp4
12-13D卷积原理解读.mp4
12-3测试效果与项目配置.mp4
12-4视频数据预处理方法.mp4
12-5数据Batch制作方法.mp4
12-63D卷积网络所涉及模块.mp4
已测部分压缩包，无密码
目录：【02.分类任务】
2-4分类任务概述.mp4
2-1气Wen数据集与任务介绍.mp4
2-6DataSet模块介绍与应用方法.mp4
2-2按建模顺序构建完成网络架构.mp4
2-3简化代码训练网络模型.mp4
2-5构建分类网络模型.mp4
目录：【16.PyTorch框架实战】
16-3数据读取与预处理模块功能解读.mp4
16-4模型架构模块.mp4
16-2各模块配置参数解析.mp4
16-1项目模板各模块概述.mp4
16-7模块应用与BenckMark解读.mp4
16-6训练结果可视化展示模块.mp4
16-5训练模块功能.mp4
目录：【06.RNN神经网络】
6-3模型整体框架.mp4
6-2词向量模型通俗解释.mp4
6-1RNN网络架构解读.mp4
6-6负采样方案.mp4
6-5CBOW与Skip-gram模型.mp4
6-4训练数据构建.mp4
目录：【15.PyTorch实战】
15-1项目配置与环境概述.mp4
15-2数据读取与预处理.mp4
15-3网络结构定义.mp4
15-4训练网络模型.mp4
页:
[1]