最新公告
  • 欢迎光临92资源站,全网最优质的it资源平台立即加入我们
  • PyTorch入门到进阶,实战计算机视觉与自然语言处理

    PyTorch入门到进阶,实战计算机视觉与自然语言处理 最后编辑:2022-12-11
    资源介绍: 高清MP4 资料齐全 网盘发货 一手资源免费更新包售后

    第1章 课程介绍-选择Pytorch的理由
    1-1 课程导学 (13:57)
    第2章 初识PyTorch框架与环境搭建
    2-1 初识Pytorch基本框架 (11:15)
    2-2 【讨论题】比较动态图与静态图推理框架
    2-3 环境配置(1) (11:21)
    2-4 环境配置(2) (08:48)
    第3章 PyTorch入门基础串讲
    3-1 机器学习中的分类与回归问题-机器学习基本构成元素 (11:15)
    3-2 Tensor的基本定义 (06:21)
    3-3 Tensor与机器学习的关系 (07:33)
    3-4 Tensor创建编程实例 (19:55)
    3-5 Tensor的属性 (07:39)
    3-6 Tensor的属性-稀疏的张量的编程实践 (07:39)
    3-7 Tensor的算术运算 (08:12)
    3-8 Tensor的算术运算编程实例 (17:06)
    3-9 in-place的概念和广播机制 (09:58)
    3-10 取整-余 (03:49)
    3-11 比较运算-排序-topk-kthvalue-数据合法性校验 (18:28)
    3-12 三角函数 (04:18)
    3-13 其他数学函数 (05:33)
    3-14 Pytorch与统计学方法 (14:55)
    3-15 Pytorch与分布函数 (04:56)
    3-16 Pytorch与随机抽样 (05:15)
    3-17 Pytorch与线性代数运算 (09:18)
    3-18 Pytorch与矩阵分解-PCA (19:52)
    3-19 Pytorch与矩阵分解-SVD分解-LDA (13:09)
    3-20 Pytorch与张量裁剪 (08:48)
    3-21 Pytorch与张量的索引与数据筛选 (27:08)
    3-22 Pytorch与张量组合与拼接 (11:34)
    3-23 Pytorch与张量切片 (07:37)
    3-24 Pytorch与张量变形 (14:09)
    3-25 Pytorch与张量填充&傅里叶变换 (03:27)
    3-26 Pytorch简单编程技巧 (11:33)
    3-27 Pytorch与autograd-导数-方向导数-偏导数-梯度的概念 (10:02)
    3-28 Pytorch与autograd-梯度与机器学习最优解 (12:46)
    3-29 Pytorch与autograd-Variable$tensor (02:57)
    3-30 Pytorch与autograd-如何计算梯度 (03:04)
    3-31 Pytorch与autograd中的几个重要概念-variable-grad-grad_fn (10:32)
    3-32 Pytorch与autograd中的几个重要概念-autograd例子 (14:15)
    3-33 Pytorch与autograd中的几个重要概念-function (08:18)
    3-34 Pytorch与nn库 (19:46)
    3-35 Pytorch与visdom (04:56)
    3-36 Pytorch与tensorboardX (05:57)
    3-37 Pytorch与torchvision (02:21)
    第4章 PyTorch搭建简单神经网络
    4-1 机器学习和神经网络的基本概念(1) (20:53)
    4-2 机器学习和神经网络的基本概念(2) (17:16)
    4-3 利用神经网络解决分类和回归问题(1) (18:27)
    4-4 利用神经网络解决分类和回归问题(2) (18:46)
    4-5 利用神经网络解决分类和回归问题(3) (13:08)
    4-6 利用神经网络解决分类和回归问题(4) (12:06)
    4-7 利用神经网络解决分类和回归问题(5) (13:29)
    第5章 计算机视觉与卷积神经网络基础串讲
    5-1 计算机视觉基本概念 (23:01)
    5-2 图像处理常见概念 (24:30)
    5-3 特征工程 (14:07)
    5-4 卷积神经网(上) (12:36)
    5-5 卷积神经网(下) (12:04)
    5-6 pooling层 (05:07)
    5-7 激活层-BN层-FC层-损失层 (12:13)
    5-8 经典卷积神经网络结构 (09:54)
    5-9 轻量型网络结构 (07:35)
    5-10 多分支网络结构 (03:42)
    5-11 attention的网络结构 (08:24)
    5-12 学习率 (04:43)
    5-13 优化器 (07:32)
    5-14 卷积神经网添加正则化 (03:27)
    第6章 PyTorch实战计算机视觉任务-Cifar10图像分类
    6-1 图像分类网络模型框架解读(上) (15:04)
    6-2 图像分类网络模型框架解读(下) (15:41)
    6-3 cifar10数据介绍-读取-处理(上) (09:43)
    6-4 cifar10数据介绍-读取-处理(下) (10:49)
    6-5 PyTorch自定义数据加载-加载Cifar10数据 (15:23)
    6-6 PyTorch搭建 VGGNet 实现Cifar10图像分类 (15:03)
    6-7 PyTorch搭建cifar10训练脚本-tensorboard记录LOG(上) (14:48)
    6-8 PyTorch搭建cifar10训练脚本-tensorboard记录LOG(下) (19:36)
    6-9 PyTorch搭建cifar10训练脚本搭建-ResNet结构(上) (16:56)
    6-10 PyTorch搭建cifar10训练脚本搭建-ResNet结构(下) (10:29)
    6-11 PyTorch搭建cifar10训练脚本搭建-Mobilenetv1结构 (11:34)
    6-12 PyTorch搭建cifar10训练脚本搭建-Inception结构(上) (15:04)
    6-13 PyTorch搭建cifar10训练脚本搭建-Inception结构(下) (09:13)
    6-14 PyTorch搭建cifar10训练脚本搭建-调用Pytorch标准网络ResNet18等 (06:05)
    6-15 PyTorch搭建cifar10推理测试脚本搭建 (08:30)
    6-16 分类问题优化思路 (17:12)
    6-17 分类问题最新研究进展和方向 (06:33)
    第7章 Pytorch实战计算机视觉任务-Pascal VOC目标检测问题
    7-1 目标检测问题介绍(上) (14:09)
    7-2 目标检测问题介绍(下) (11:47)
    7-3 Pascal VOC-COCO数据集介绍 (05:14)
    7-4 MMdetection框架介绍-安装说明 (15:11)
    7-5 MMdetection框架使用说明 (12:18)
    7-6 【讨论题】比较mmdetection与detectron
    7-7 MMdetection训练Passcal VOC目标检测任务(上) (17:26)
    7-8 MMdetection训练Passcal VOC目标检测任务(中) (16:27)
    7-9 MMdetection训练Passcal VOC目标检测任务(下) (11:51)
    7-10 MMdetection Test脚本 (03:36)
    7-11 MMdetection LOG分析 (05:43)
    第8章 PyTorch实战计算机视觉任务-COCO目标分割问题
    8-1 图像分割基本概念 (10:37)
    8-2 图像分割方法介绍 (19:02)
    8-3 图像分割评价指标及目前面临的挑战 (09:51)
    8-4 COCO数据集介绍 (04:20)
    8-5 detectron框架介绍和使用简单说明 (10:09)
    8-6 coco数据集标注文件解析 (07:52)
    8-7 detectron源码解读和模型训练-demo测试 (37:29)
    8-8 【讨论题】比较全景分割,语义分割和实例分割不同任务
    第9章 PyTorch搭建GAN网络实战图像风格迁移
    9-1 GAN的基础概念和典型模型介绍(上) (15:03)
    9-2 GAN的基础概念和典型模型介绍(下) (13:02)
    9-3 图像风格转换数据下载与自定义dataset类 (11:14)
    9-4 cycleGAN模型搭建-model (16:15)
    9-5 cycleGAN模型搭建-train(上) (18:02)
    9-6 cycleGAN模型搭建-train(下) (18:28)
    9-7 cycleGAN模型搭建-test (06:40)
    第10章 循环神经网与NLP基础串讲
    10-1 RNN网络基础 (07:18)
    10-2 RNN常见网络结构-simple RNN网络 (10:56)
    10-3 Bi-RNN网络 (04:42)
    10-4 LSTM网络基础 (13:58)
    10-5 Attention结构 (09:41)
    10-6 Transformer结构 (13:15)
    10-7 BERT结构 (07:21)
    10-8 NLP基础概念介绍 (15:06)
    10-9 【讨论题】深入了解transformer在CV任务中的应用
    第11章 PyTorch实战中文文本情感分类问题
    11-1 文本情感分析-情感分类概念介绍 (09:34)
    11-2 文本情感分类关键流程介绍 (02:25)
    11-3 文本情感分类之文本预处理 (06:33)
    11-4 文本情感分类之特征提取与文本表示 (05:15)
    11-5 文本情感分类之深度学习模型 (08:33)
    11-6 文本情感分类-数据准备 (16:42)
    11-7 文本情感分类-dataset类定义 (12:32)
    11-8 文本情感分类-model类定义 (11:37)
    11-9 文本情感分类-train脚本定义 (13:37)
    11-10 文本情感分类-test脚本定义 (05:06)
    第12章 PyTorch实战机器翻译问题
    12-1 机器翻译相关方法-应用场景-评价方法 (14:23)
    12-2 Seq2Seq-Attention编程实例数据准备-模型结构-相关函数 (05:31)
    12-3 Seq2Seq-Attention编程实例-定义数据处理模块 (17:08)
    12-4 Seq2Seq-Attention编程实例-定义模型结构模块(上) (13:10)
    12-5 Seq2Seq-Attention编程实例-定义模型结构模块(下) (13:46)
    12-6 Seq2Seq-Attention编程实例-定义train模块(上) (13:03)
    12-7 Seq2Seq-Attention编程实例-定义train模块(下) (10:33)
    12-8 Seq2Seq-Attention编程实例-定义train模块-loss function (20:10)
    12-9 Seq2Seq-Attention编程实例-定义eval模块 (08:40)
    12-10 【讨论题】深入了解Attention在CV任务中的应用前景?
    第13章 PyTorch工程应用介绍
    13-1 PyTorch模型开发与部署基础平台介绍 (09:39)
    13-2 PyTorch工程化基础--Torchscript (09:15)
    13-3 PyTorch服务端发布平台--Torchserver (06:31)
    13-4 PyTorch终端推理基础--ONNX (06:05)
    第14章 【选修】Linux操作基础串讲
    14-1 linux操作基础串讲 (19:18)
    第15章 课程总结与回顾
    15-1 课程总结 (11:14)

    网盘截图:

    猜你在找

    免责声明:
    1. 本站所有资源收集于互联网,如有争议与本站无关!
    2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
    3. 如果侵犯到您的权利请邮箱联系: lmcf129@163.com,站长将于24小时内删除侵权内容!
    4. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
    5. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
    6. 如有链接无法下载、失效或广告,请联系管理员处理!
    7. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!

    九二资源站-10年只为资源共享-每日更新 » PyTorch入门到进阶,实战计算机视觉与自然语言处理

    常见问题FAQ

    视频加密吗?
    无密,本站视频全部为超清无密MP4格式
    怎么发货?
    百度网盘全自动发货
    课程没更新完怎么办?
    本站资源,持续更新,所有资源都会更新完毕
    有问题怎么解决?
    联系站长,或者直接给站长发邮件:lmcf129@163.com
    • 3631会员总数(位)
    • 20529资源总数(个)
    • 20本周发布(个)
    • 1 今日发布(个)
    • 2541稳定运行(天)

    最优质的的it资源平台

    期待您的加入
    升级SVIP尊享更多特权立即升级