2021PyTorch深度学习实战 价值1799

【2021PyTorch深度学习实战】
●【完结】


66:16.12全连接层的参数,用nn.Sequential复现VGG16.mp4
67:16.13全局平均池化,NiN网络的复现.mp4

●【近期更新】
49:15.1学习率调度基本概念与手动实现方法.mp4
50:15.2学习率调度在PyTorch中的实现方法.mp4
51:16.1配置环境,计算机视觉行业综述.mp4
52:16.2图像的基本操作.mp4
53:16.3卷积操作与边缘检测.mp4
54:16.4卷积遇见深度学习.mp4
55:16.5在Pytorch中实现卷积网络(上):卷积核、输入通道与特征图.mp4
56:16.5在PyTorch中实现卷积网络(中):步长与填充.mp4
57:16.5在PyTorch中实现卷积网络(下):池化层,BN与Dropout.mp4
58:16.6复现经典架构(1):LeNet5.mp4
59:16.6复现经典架构 (2):AlexNet.mp4
60:16.7如何拓展网络深度:VGG架构.mp4
61:16.8感受野(上):定义与性质.mp4
62:16.8感受野(下):膨胀卷积,计算感受野大小.mp4
63:16.9平移不变性.mp4
64:16.10卷积层的参数量计算,1×1卷积核.mp4
65:16.11分组卷积与深度可分离卷积.mp4
66:16.12全连接层的参数,用nn.Sequential复现VGG16.mp4
67:16.13全局平均池化,NiN网络的复现.mp4

●【主课回顾】
01:0.1GPU购买与GPU白嫖指南.mp4
02:0.2PyTorch安装与部署(CPU版本).mp4
03:0.3PyTorch安装与配置(GPU版本).mp4
04:1张量的创建与常用方法.mp4
05:2张量的索引、分片、合并及维度调整.mp4
06:3.张量的广播和科学运算.mp4
07:4.张量的线性代数运算.mp4
08:5.基本优化方法与最小二乘法.mp4
09:6.动态计算图与梯度下降入门.mp4
10:7.1神经网络的诞生与发展.mp4
11:7.2机器学习中的基本概念.mp4
12:7.3深入理解PyTorch框架.mp4
13:8.1单层回归神经网络&Tensor新手避坑指南.mp4
14:8.2torch.nn.Linear实现单层回归网络的正向传播.mp4
15:8.3二分类神经网络的原理与实现.mp4
16:8.4torch.nn.functional实现单层二分类网络的正向传播.mp4
17:8.5多分类神经网络.mp4
18:9.1从异或门问题认识多层神经网络.mp4
19:9.2黑箱:深度神经网络的不可解释性.mp4
20:9.3&9.4层与激活函数.mp4
21:9.5从0实现深度神经网络的正向传播.mp4
22:10.1SSE与二分类交叉熵损失.mp4
23:10.2二分类交叉熵的原理与实现.mp4
24:10.3多分类交叉熵的原理与实现.mp4
25:11.1梯度下降中的两个关键问题.mp4
26:11.2(1)反向传播的原理.mp4
27:11.2(2)反向传播的实现.mp4
28:11.3走出第一步:动量法Momentum.mp4
29:11.4开始迭代:batch与epochs.mp4
30:11.5在Fashion-MNIST数据集上实现完整的神经网络(上).mp4
31:11.5在Fashion-MNIST上实现完整的神经网络(下).mp4
32:12.0深度学习基础网络手动搭建与快速实现.mp4
33:12.1深度学习建模实验中数据集生成函数的创建与使用.mp4
34:12.2可视化工具TensorBoard的安装与使用.mp4
35:12.3线性回归建模实验.mp4
36:12.4逻辑回归建模实验.mp4
37:12.5softmax回归建模实验.mp4

私聊萌萌领取你的福利,九天与菜菜联合出品!10周40小时,从0为你搭建深度学习理论框架,培养深度学习领域所需的工程能力

萌萌网课资源收集于网络,仅用于试学及购买课程之参考,请于24小时内从您的电脑中彻底删除!如您喜欢请购买正版学习支持原作者,得到更好的正版服务。如有侵权请联系客服进行删除,感谢您的理解与包容。
萌萌家网课众筹平台-百度网盘下载 » 2021PyTorch深度学习实战 价值1799

有问题请联系在线客服, QQ号:202829657

发表评论

在线客服系统