购买 ¥398.00 抽机械键盘

深度学习框架-PyTorch实战-

共128节9066人学习唐宇迪 课程详情 领证书
播放页问题反馈

  • PyTorch框架基本处理操作

    • PyTorch实战课程简介
    • PyTorch框架发展趋势简介
    • 框架安装方法（CPU与GPU版本）
    • PyTorch基本操作（数据代码下载--------->）
    • 自动求导机制
    • 线性回归DEMO-数据与参数配置
    • 线性回归DEMO-训练回归模型
    • 补充：常见tensor格式
    • 补充：Hub模块简介

  • 神经网络实战分类与回归任务

    • 气温数据集与任务介绍
    • 按建模顺序构建完成网络架构
    • 简化代码训练网络模型
    • 分类任务概述
    • 构建分类网络模型
    • DataSet模块介绍与应用方法

  • 卷积神经网络原理与参数解读

    • 卷积神经网络应用领域
    • 卷积的作用
    • 卷积特征值计算方法
    • 得到特征图表示
    • 步长与卷积核大小对结果的影响
    • 边缘填充方法
    • 特征图尺寸计算与参数共享
    • 池化层的作用
    • 整体网络架构
    • VGG网络架构
    • 残差网络Resnet
    • 感受野的作用

  • 图像识别核心模块实战解读

    • 卷积网络参数定义
    • 网络流程解读
    • Vision模块功能解读
    • 分类任务数据集定义与配置
    • 图像增强的作用
    • 图像增强的作用
    • Batch数据制作

  • 迁移学习的作用与应用实例

    • 迁移学习的目标
    • 迁移学习策略
    • 加载训练好的网络模型
    • 优化器模块配置
    • 实现训练模块
    • 训练结果与模型保存
    • 加载模型对测试数据进行预测
    • 额外补充-Resnet论文解读
    • 额外补充-Resnet网络架构解读

  • 递归神经网络与词向量原理解读

    • RNN网络架构解读
    • 词向量模型通俗解释
    • 模型整体框架
    • 训练数据构建
    • CBOW与Skip-gram模型
    • 负采样方案

  • 新闻数据集文本分类实战

    • 任务目标与数据简介
    • RNN模型所需输入格式解析
    • 项目配置参数设置
    • 新闻数据读取与预处理方法
    • LSTM网络模块定义与参数解析
    • 训练LSTM文本分类模型
    • Tensorboardx可视化展示模块搭建
    • CNN应用于文本任务原理解析
    • 网络模型架构与效果展示

  • 对抗生成网络架构原理与实战解析

    • 对抗生成网络通俗解释
    • GAN网络组成
    • 损失函数解释说明
    • 数据读取模块
    • 生成与判别网络定义

  • 基于CycleGan开源项目实战图像合成

    • CycleGan网络所需数据
    • CycleGan整体网络架构
    • PatchGan判别网络原理
    • Cycle开源项目简介
    • 数据读取与预处理操作
    • 生成网络模块构造
    • 判别网络模块构造
    • 损失函数：identity loss计算方法
    • 生成与判别损失函数指定
    • 额外补充：VISDOM可视化配置

  • OCR文字识别原理

    • OCR文字识别要完成的任务
    • CTPN文字检测网络概述
    • 序列网络的作用
    • 序列网络的作用
    • CTPN细节概述
    • CRNN识别网络架构
    • CTC模块的作用

  • OCR文字识别项目实战

    • OCR文字检测识别项目效果展示
    • 训练数据准备与环境配置
    • 检测模块候选框生成
    • 候选框标签制作
    • 整体网络所需模块
    • 网络架构各模块完成的任务解读
    • CRNN识别模块所需数据与标签
    • CRNN识别模块所需数据与标签

  • 基于3D卷积的视频分析与动作识别

    • 3D卷积原理解读
    • UCF101动作识别数据集简介
    • 测试效果与项目配置
    • 视频数据预处理方法
    • 数据Batch制作方法
    • 3D卷积网络所涉及模块
    • 训练网络模型

  • 自然语言处理通用框架BERT原理解读

    • BERT任务目标概述
    • 传统解决方案遇到的问题
    • 注意力机制的作用
    • self-attention计算方法
    • 特征分配与softmax机制
    • Multi-head的作用
    • 位置编码与多层堆叠
    • transformer整体架构梳理
    • BERT模型训练方法
    • 训练实例

  • 谷歌开源项目BERT源码解读（官方TF版）

    • BERT开源项目简介
    • 项目参数配置
    • 数据读取模块
    • 数据预处理模块
    • tfrecord制作
    • Embedding层的作用
    • 加入额外编码特征
    • 加入位置编码特征
    • mask机制
    • 构建QKV矩阵
    • 完成Transformer模块构建
    • 训练BERT模型

  • 基于PyTorch实战BERT模型（民间PyTorch版）

    • 项目配置与环境概述
    • 数据读取与预处理
    • 网络结构定义
    • 训练网络模型

  • PyTorch框架实战模板解读

    • 项目模板各模块概述
    • 各模块配置参数解析
    • 数据读取与预处理模块功能解读
    • 模型架构模块
    • 训练模块功能
    • 训练结果可视化展示模块
    • 模块应用与BenckMark解读
0/1024
暂无留言

    订阅失败

    深度学习框架-PyTorch实战
    深度学习框架-PyTorch实战 ...

    订阅列表已满，请先移出部分订阅内容。

    当前章节需购买后观看
    开通超级会员免费看！专家精选系列课程，满足你从入门到精通！更有问答月卡免费送，你的问题有问必答！

    购买课程

    扫码完成付费，可继续学习全部课程内容

    加载中...
    正在试验
    后自动删除环境
    课程实验
    本次实验时间已到期 00:00:00
    程序员研修院 v1.1.0
    一、播放器优化
    修改播放器默认倍速设置，增加1.25倍速
    调整目录展示形式，增加折叠/展开
    优化播放器的使用体验，有播放问题可以点击播放页内的”反馈“提交问题
    查看全部版本记录
    课件正在飞速打包中，请耐心等待几秒钟～