• 讲师平台
    • 我的学习
    • 消息
    购买 ¥398.00

    深度学习框架-PyTorch实战-

    共128节8787人学习唐宇迪 课程详情 领证书

    • 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～