|
35021| 176
|
[『编程语言』] 深度学习与PyTorch入门实战教程
[复制链接]
|
|
深度学习与PyTorch入门实战教程
完整版价值 399 本课程适合于深度学习和人工智能方向新手，需要零基础、快速、深入学习人工智能的朋友。 课程概述 前新加坡国立大学(亚洲排名第一)的助理研究员龙龙老师主讲，帮助人工智能、深度学习初学者快速、深刻理解深度学习算法原理与实践。 【莫烦老师】权威推荐：在教学中，龙龙老师以简短高效的方式，从深度学习的多个角度向我们展开了论述，非常适合想对深度学习有全方位了解的朋友。 【PyTorch中文网】：讲解简单易懂、由浅入深，是一门值得推荐的课程。 课程特色： 1. 通俗易懂，快速入门 对深度学习算法追本溯源、循序渐进式讲解，学员不需要任何机器学习基础，只需要写过代码即可轻松上手。 2. 实用主导，简单高效 使用新手最容易掌握的深度学习框架PyTorch实战，比起使用TensorFlow的课程难度降低了约50%，而且PyTorch是业界最灵活，最受好评的框架。 3. 案例为师，实战护航 基于计算机视觉和NLP领域的经典数据集，从零开始结合PyTorch与深度学习算法完成多个案例实战。 目录 章节1:深度学习初见 课时1深度学习框架简介09:07 课时2PyTorch功能演示11:09 章节2:开发环境安装 课时3开发环境安装（简介）12:40 章节3:回归问题 课时4简单回归问题-109:09 课时5简单回归问题-214:44 课时6回归问题实战08:43 课时7分类问题引入-107:16 课时8分类问题引入-209:19 课时9手写数字识别初体验-106:09 课时10手写数字识别初体验-206:35 课时11手写数字识别初体验-307:02 课时12手写数字识别初体验-408:05 课时13手写数字识别初体验-508:16 章节4  yTorch基础教程课时14张量数据类型-109:56 课时15张量数据类型-214:07 课时16创建Tensor-110:46 课时17创建Tensor-212:59 课时18索引与切片-112:10 课时19索引与切片-211:30 课时20维度变换-107:37 课时21维度变换-210:01 课时22维度变换-307:52 课时23维度变换-410:23 章节5 yTorch进阶教程课时24Broadcasting-108:46 课时25Broadcasting-211:35 课时26Broadcasting-306:11 课时27合并与分割-110:43 课时28合并与分割-206:36 课时29数学运算-107:39 课时30数学运算-208:54 课时31属性统计-110:41 课时32属性统计-211:34 课时33高阶操作16:05 章节6:随机梯度下降 课时34什么是梯度-110:19 课时35什么是梯度-214:16 课时36常见函数的梯度07:18 课时37激活函数与Loss的梯度-113:52 课时38激活函数与Loss的梯度-208:52 课时39激活函数与Loss的梯度-306:46 课时40激活函数与Loss的梯度-411:57 课时41感知机的梯度推导-113:35 课时42感知机的梯度推导-213:16 课时43链式法则11:31 课时44反向传播算法-112:44 课时45反向传播算法-207:01 课时46优化问题实战08:54 章节7:神经网络与全连接层 课时47Logistic Regression14:12 课时48交叉熵-106:42 课时49交叉熵-209:08 课时50交叉熵-304:51 课时51多分类问题实战08:26 课时52全连接层13:59 课时53激活函数与GPU加速11:37 课时54MNIST测试实战12:01 课时55Visdom可视化13:08 章节8:过拟合 课时56过拟合与欠拟合14:24 课时57交叉验证-111:46 课时58交叉验证-207:38 课时59Regularization11:21 课时60动量与学习率衰减13:57 课时61Early stopping, dropout等14:20 章节9:卷积神经网络CNN 课时62什么是卷积-112:58 课时63什么是卷积-208:47 课时64卷积神经网络-111:19 课时65卷积神经网络-211:11 课时66卷积神经网络-308:43 课时67池化层与采样10:53 课时68BatchNorm-105:40 课时69BatchNorm-212:32 课时70BatchNorm-307:33 课时71经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-109:18 课时72经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-209:43 课时73ResNet与DenseNet-112:03 课时74ResNet与DenseNet-210:21 课时75nn.Module模块-110:17 课时76nn.Module模块-208:56 课时77数据增强12:53 章节10:CIFAR10与ResNet实战 课时78CIFAR10数据集介绍10:07 课时79卷积神经网络实战-110:07 课时80卷积神经网络实战-210:04 课时81卷积神经网络训练10:04 课时82ResNet实战-110:11 课时83ResNet实战-210:11 课时84ResNet实战-307:31 课时85ResNet实战-410:07 课时86实战小结12:49 章节11:循环神经网络RNN&LSTM 课时87时间序列表示方法14:57 课时88RNN原理-109:55 课时89RNN原理-209:39 课时90RNN Layer使用-109:42 课时91RNN Layer使用-209:01 课时92时间序列预测实战13:27 课时93梯度弥散与梯度爆炸12:50 课时94LSTM原理-109:01 课时95LSTM原理-210:53 课时96LSTM Layer使用08:44 课时97情感分类问题实战15:15 章节12:迁移学习-实战宝可梦精灵 课时98Pokemon数据集12:30 课时99数据预处理12:20 课时100自定义数据集实战-106:49 课时101自定义数据集实战-208:42 课时102自定义数据集实战-311:04 课时103自定义数据集实战-409:58 课时104自定义数据集实战-511:28 课时105自定义网络09:45 课时106自定义网络训练与测试07:37 课时107自定义网络实战07:39 课时108迁移学习05:35 课时109迁移学习实战10:09 章节13:自编码器Auto-Encoders 课时110无监督学习10:02 课时111Auto-Encoder原理10:12 课时112Auto-Encoder变种09:59 课时113Adversarial Auto-Encoder10:08 课时114变分Auto-Encoder引入10:12 课时115Reparameterization trick10:05 课时116变分自编码器VAE11:03 课时117Auto-Encoder实战-110:01 课时118Auto-Encoder实战-210:10 课时119变分Auto-Encoder实战-105:55 课时120变分Auto-Encoder实战-206:37 章节14:对抗生成网络GAN 课时121数据的分布09:11 课时122画家的成长历程13:04 课时123GAN原理10:01 课时124纳什均衡-D09:57 课时125纳什均衡-G13:42 课时126JS散度的缺陷16:36 课时127EM距离09:57 课时128WGAN与WGAN-GP15:43 课时129GAN实战-GD实现09:58 课时130GAN实战-网络训练17:24 课时131GAN实战-网络训练鲁棒性09:46 课时132WGAN-GP实战16:17 章节15:选看：Ubuntu开发环境安装 课时133Ubuntu系统安装10:01 课时134Anaconda安装10:10 课时135CUDA 10安装10:10 课时136环境变量配置10:05 课时137cudnn安装10:14 课时138PyCharm安装与配置10:59 章节16:选看：人工智能发展简史 课时139生物神经元结构04:06 课时140感知机的提出10:07 课时141BP神经网络10:07 课时142CNN和LSTM的发明10:19 课时143人工智能的低潮10:07 课时144深度学习的诞生10:13 课时145深度学习的繁荣12:13 章节17:选看：Numpy实战BP神经网络 课时146权值的表示10:05 课时147多层感知机的实现10:18 课时148多层感知机前向传播10:06 课时149多层感知机反向传播10:10 课时150多层感知机反向传播-210:06 课时151多层感知机反向传播-310:18 课时152多层感知机的训练10:24 课时153多层感知机的测试12:06 课时154实战小结
购买主题
本主题需向作者支付 666 资源币 才能浏览
| |
相关帖子
|
|
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
小黑屋|资源共享吧 ( 琼ICP备2023000410号-1 )
GMT+8, 2024-11-22 02:25 , Processed in 0.071701 second(s), 26 queries , MemCached On.
发表于 2019-7-28 08:56:43
