深度学习框架-PyTorch实战系列_大小:9.16_GB

[复制链接]
查看1932 | 回复1 | 2020-3-7 09:42:38 | 显示全部楼层 |阅读模式

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


                       

1583065384000

1583065384000


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
回复

使用道具 举报

Memory | 2020-3-7 09:42:42 | 显示全部楼层
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则