深度学习框架-PyTorch实战系列_大小:9.16_GB
5877以下内容为本站网络收集,如有广告,并非本站添加,请注意甄别。
深度学习框架-PyTorch实战系列_大小:9.16_GB
目录:【/深度学习框架-PyTorch实战系列】 下的所有内容
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/16 PyTorch框架实战模板解读】
128 模块应用与BenckMark解读.mp4
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
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
117 训练BERT模型.mp4
116 完成Transformer模块构建.mp4
115 构建QKV矩阵.mp4
114 mask机制.mp4
113 加入位置编码特征.mp4
112 加入额外编码特征.mp4
111 Embedding层的作用.mp4
110 tfrecord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
106 BERT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
105 训练实例.mp4
104 BERT模型训练方法.mp4
103 transformer整体架构梳理.mp4
102 位置编码与多层堆叠.mp4
101 Multi-head的作用.mp4
100 特征分配与softmax机制.mp4
099 self-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
096 BERT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
095 训练网络模型.mp4
094 3D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
090 UCF101动作识别数据集简介.mp4
089 3D卷积原理解读.mp4
目录:【/深度学习框架-PyTorch实战系列/11 OCR文字识别项目实战】
088 识别模块网络架构解读.mp4
088 识别模块网络架构解读.mp4
087 CRNN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
082 OCR文字检.测识别项目效果展示.mp4
081 OCR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/10 OCR文字识别原理】
080 CTC模块的作用.mp4
080 CTC模块的作用.mp4
079 CRNN识别网络架构.mp4
078 CTPN细节概述.mp4
077 输出结果含义解析.mp4
076 序列网络的作用.mp4
075 CTPN文字检.测网络概述.mp4
074 OCR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】
073 额外补充:VISDOM可视化配置.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
071 损失函数:identity?loss计算方法.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
067 Cycle开源项目简介.mp4
066 PatchGan判别网络原理.mp4
065 CycleGan整体网络架构.mp4
064 CycleGan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
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
060 GAN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
058 网络模型架构与效果展示.mp4
057 CNN应用于文本任务原理解析.mp4
056 Tensorboardx可视化展示模块搭建.mp4
055 训练LSTM文本分类模型.mp4
054 LSTM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
051 RNN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
049 负采样方案.mp4
048 CBOW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
044 RNN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
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】
034 Batch数据制作.mp4
034 Batch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
030 Vision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
027 感受野的作用.mp4
026 残差网络Resnet.mp4
025 VGG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】
015 DataSet模块介绍与应用方法.mp4
015 DataSet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/01 PyTorch框架基本处理操作】
课程数据代码下载.txt
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
004 PyTorch基本操作.mp4
003 框架安装方法(CPU与GPU版本).mp4
002 PyTorch框架发展趋势简介.mp4
001 PyTorch实战课程简介.mp4
免费下载地址:
http://pan.qqq0.com/file/488067-427083194
页:
[1]