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

多种网盘链接检测插件

购买前，请先检测网盘链接是否有效

您当前无权限查看，请先登录，或点此注册！

• 1.百度网盘链接，查看是否有效

VIP低至28元三个月，无套路，VIP期间免费下载资源。

                       

1686269720693

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　[54.31MB]
    5-4优化器模块配置.mp4　[19.28MB]
    5-2迁移学习策略.mp4　[16.07MB]
    5-1迁移学习的目标.mp4　[13.29MB]
    5-5实现训练模块.mp4　[28.11MB]
    5-3加载训练好的网络模型.mp4　[37.65MB]
    5-6训练结果与模型保存.mp4　[31.65MB]
    5-7加载模型对测试数据进行预测.mp4　[35.68MB]
    5-9额外补充-Resnet网络架构解读.mp4　[18.55MB]

目录：【10.OCR文字识别】
    10-2CTPN文字检测网络概述.mp4　[17.77MB]
    10-4输出结果含义解析.mp4　[16.33MB]
    10-6CRNN识别网络架构.mp4　[14.93MB]
    10-3序列网络的作用.mp4　[21.75MB]
    10-7CTC模块的作用.mp4　[9.76MB]
    10-1OCR文字识别要完成的任务.mp4　[24.85MB]
    10-5CTPN细节概述.mp4　[21.25MB]

目录：【代码+资料】
    第11章：OCR文字识别项目实战.zip　[423.82MB]
    第13章：自然语言处理通用框架BERT原理解读.rar　[1.46MB]
    第15章：BERT.zip　[732.88MB]
    第14章：谷歌开源项目BERT源码解读（官方TF版）.rar　[992.70MB]
    第01章：PyTorch框架基本处理操作.zip　[98.58MB]
    第08章：对抗生成网络架构原理与实战解析.zip　[35.27MB]
    第03章：卷积神经网络.rar　[2.09MB]
    第06章：word2vec通俗解释.zip　[2.14MB]
    第07章：新闻数据集文本分类实战.zip　[31.53MB]
    第04章：图像识别核心模块实战解读.zip　[336.94MB]
    第09章：基于CycleGan开源项目实战图像合成.zip　[1.60GB]
    第12章：基于3D卷积的视频分析与动作识别.zip　[845.83MB]
    第02章：神经网络实战分类与回归任务.zip　[15.81MB]
    第16章：PyTorch框架实战模板解读.zip　[69.22MB]

目录：【13.BERT框架】
    13-2传统解决方案遇到的问题.mp4　[23.32MB]
    13-1BERT任务目标概述.mp4　[11.28MB]
    13-8transformer整体架构梳理.mp4　[22.55MB]
    13-3注意力机制的作用.mp4　[15.94MB]
    13-10训练实例.mp4　[23.50MB]
    13-7位置编码与多层堆叠.mp4　[17.16MB]
    13-4self-attention计算方法.mp4　[23.88MB]
    13-6Multi-head的作用.mp4　[20.09MB]
    13-5特征分配与softmax机制.mp4　[21.34MB]
    13-9BERT模型训练方法.mp4　[20.74MB]

目录：【03.卷积神经】
    3-8池化层的作用.mp4　[11.33MB]
    3-6边缘填充方法.mp4　[17.92MB]
    3-12感受野的作用.mp4　[16.76MB]
    3-10VGG网络架构.mp4　[20.54MB]
    3-9整体网络架构.mp4　[17.99MB]
    3-3卷积特征值计算方法.mp4　[22.67MB]
    3-2卷积的作用.mp4　[23.60MB]
    3-11残差网络Resnet.mp4　[18.37MB]
    3-4得到特征图表示.mp4　[18.46MB]
    3-5步长与卷积核大小对结果的影响.mp4　[20.39MB]
    3-7特征图尺寸计算与参数共享.mp4　[22.03MB]
    3-1卷积神经网络应用领域.mp4　[26.63MB]

目录：【09.CycleGan开源实战】
    9-10额外补充：VISDOM可视化配置.mp4　[25.87MB]
    9-7判别网络模块构造.mp4　[20.59MB]
    9-9生成与判别损失函数指定.mp4　[53.89MB]
    9-8损失函数：identityloss计算方法.mp4　[39.49MB]
    9-1CycleGan网络所需数据.mp4　[29.60MB]
    9-6生成网络模块构造.mp4　[50.15MB]
    9-2CycleGan整体网络架构.mp4　[21.19MB]
    9-4Cycle开源项目简介.mp4　[30.04MB]
    9-5数据读取与预处理操作.mp4　[47.98MB]
    9-3PatchGan判别网络原理.mp4　[10.97MB]

目录：【代码+资料/PPT】
    PyTorch.pdf　[2.55MB]

目录：【01.PyTorch基础】
    1-8补充：常见tensor格式.mp4　[17.05MB]
    1-9补充：Hub模块简介.mp4　[37.23MB]
    1-7线X回归DEMO-训练回归模型.mp4　[30.64MB]
    1-3框架安装方法（CPU与GPU版本）.mp4　[16.59MB]
    1-2PyTorch框架发展趋势简介.mp4　[23.34MB]
    1-5自动求导机制.mp4　[29.12MB]
    1-4PyTorch基本操作简介.mp4　[25.11MB]
    1-6线X回归DEMO-数据与参数配置.mp4　[22.81MB]
    1-1PyTorch实战课程简介.mp4　[16.40MB]

目录：【07.文本分类实战】
    7-7Tensorboardx可视化展示模块搭建.mp4　[35.19MB]
    7-5LSTM网络模块定义与参数解析.mp4　[34.04MB]
    7-8CNN应用于文本任务原理解析.mp4　[23.39MB]
    7-1任务目标与数据简介.mp4　[28.32MB]
    7-2RNN模型所需输入格式解析.mp4　[20.10MB]
    7-9网络模型架构与效果展示.mp4　[43.64MB]
    7-4新闻数据读取与预处理方法.mp4　[30.79MB]
    7-6训练LSTM文本分类模型.mp4　[36.80MB]
    7-3项目配置参数设置.mp4　[38.01MB]

目录：【14.BERT源码】
    14-12训练BERT模型.mp4　[45.87MB]
    14-6Embedding层的作用.mp4　[33.80MB]
    14-3数据读取模块.mp4　[40.39MB]
    14-1BERT开源项目简介.mp4　[30.48MB]
    14-5tfrecord制作.mp4　[53.83MB]
    14-7加入额外编码特征.mp4　[44.61MB]
    14-11完成Transformer模块构建.mp4　[45.83MB]
    14-8加入位置编码特征.mp4　[24.94MB]
    14-9mask机制.mp4　[43.03MB]
    14-4数据预处理模块.mp4　[43.12MB]
    14-10构建QKV矩阵.mp4　[55.59MB]
    14-2项目参数配置.mp4　[53.09MB]

目录：【08.对抗生成网络架构】
    8-4数据读取模块.mp4　[30.17MB]
    8-5生成与判别网络定义.mp4　[36.39MB]
    8-2GAN网络组成.mp4　[11.31MB]
    8-3损失函数解释说明.mp4　[42.16MB]
    8-1对抗生成网络通俗解释.mp4　[21.19MB]

目录：【11.OCR文字识别实战】
    11-8识别模块网络架构解读.mp4　[39.28MB]
    11-2训练数据准备与环境配置.mp4　[28.99MB]