【从入门到进阶】顶尖学府新加坡国立大学龙教授花费27小时录制的【pytorch深度学习教程】吐血分享给大家，草履虫都能学会！
快来白嫖代码课件+最新入门到进阶人工智能Z料包
扫码关注公众号：咕泡AI，回复211
内含:深度学习神经网络+CV计算机视觉学习（两大框架pytorch/tensorflow+源码课件笔记）+NLP等
适用人群
①准备毕业论文的学生
②准备跳槽，正在找工作的AI算法工程师等
③自学和准备转行到AI领域的人
④想巩固AI核心知识，查漏补缺的人
论文/学习/就业/竞赛指导+大牛技术解答
感谢大家的喜欢和关注记得（点赞、收藏、转发）
视频选集
（4/142）
课时1 深度学习框架简介
09:13
课时2 PyTorch功能演示
11:10
课时3 开发环境安装（简介）
12:41
课时4 简单回归问题-1
09:10
课时5 简单回归问题-2
14:45
课时6 回归问题实战
08:44
课时7 分类问题引入-1
07:17
课时8 分类问题引入-2
09:20
课时9 手写数字识别初体验-1
06:10
课时10 手写数字识别初体验-2
06:37
课时11 手写数字识别初体验-3
07:03
课时12 手写数字识别初体验-4
08:06
课时13 手写数字识别初体验-5
08:17
课时14 张量数据类型-1
09:57
课时15 张量数据类型-2
14:08
课时16 创建Tensor-1
10:48
课时17 创建Tensor-2
13:00
课时18 索引与切片-1
12:12
课时19 索引与切片-2
11:32
课时20 维度变换-1
07:38
课时21 维度变换-2
10:02
课时22 维度变换-3
07:53
课时23 维度变换-4
10:24
课时24 Broadcasting-1
08:47
课时25 Broadcasting-2
11:36
课时26 Broadcasting-3
06:12
课时27 合并与分割-1
10:45
课时28 合并与分割-2
06:37
课时29 数学运算-1
07:40
课时30 数学运算-2
08:56
课时31 属性统计-1
10:43
课时32 属性统计-2
11:35
课时33 高阶操作
16:06
课时34 什么是梯度-1
10:20
课时35 什么是梯度-2
14:18
课时36 常见函数的梯度
07:19
课时37 激活函数与Loss的梯度-1
13:54
课时38 激活函数与Loss的梯度-2
08:54
课时39 激活函数与Loss的梯度-3
06:47
课时40 激活函数与Loss的梯度-4
11:58
课时41 感知机的梯度推导-1
13:36
课时42 感知机的梯度推导-2
13:17
课时43 链式法则
11:32
课时44 反向传播算法-1
12:45
课时45 反向传播算法-2
07:02
课时46 优化问题实战
08:56
课时47 Logistic Regression
14:14
课时48 交叉熵-1
09:08
课时49 交叉熵-2
09:28
课时50 多分类问题实战
08:27
课时52 激活函数与GPU加速
11:39
课时53 MNIST测试实战
12:02
课时54 Visdom可视化
13:09
课时55 过拟合与欠拟合
14:25
课时56 交叉验证-1
11:47
课时57 交叉验证-2
07:40
课时58 Regularization
11:22
课时59 动量与学习率衰减
13:59
课时60 Early stopping, dropout等
14:21
课时61 什么是卷积-1
12:59
课时62 什么是卷积-2
08:48
课时63 卷积神经网络-1
11:20
课时64 卷积神经网络-2
11:13
课时65 卷积神经网络-3
08:44
课时66 池化层与采样
10:55
课时67 BatchNorm-1
09:28
课时68 BatchNorm-2
13:08
课时69 经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-1
09:19
课时70 经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-2
09:44
课时71 ResNet与DenseNet-1
12:05
课时72 ResNet与DenseNet-2
10:22
课时73 nn.Module模块-1
10:18
课时74 nn.Module模块-2
08:57
课时75 数据增强
12:55
课时76 CIFAR10数据集介绍
10:09
课时77 卷积神经网络实战-1
10:09
课时78 卷积神经网络实战-2
10:05
课时79 卷积神经网络训练
10:05
课时80 ResNet实战-1
10:12
课时81 ResNet实战-2
10:12
课时82 ResNet实战-3
07:32
课时83 ResNet实战-4
10:08
课时84 实战小结
12:51
课时85 时间序列表示方法
14:59
课时86 RNN原理-1
09:57
课时87 RNN原理-2
09:40
课时88 RNN Layer使用-1
09:44
课时89 RNN Layer使用-2
09:02
课时90 时间序列预测实战
13:28
课时91 梯度弥散与梯度爆炸
12:51
课时92 LSTM原理-1
09:03
课时93 LSTM原理-2
10:54
课时94 LSTM Layer使用
08:45
课时95 情感分类问题实战
15:16
课时96 Pokemon数据集
12:31
课时97 数据预处理
12:21
课时98 自定义数据集实战-1
06:50
课时99 自定义数据集实战-2
08:43
课时100 自定义数据集实战-3
11:05
课时101 自定义数据集实战-4
09:59
课时102 自定义数据集实战-5
11:30
课时103 自定义网络
09:47
课时104 自定义网络训练与测试
07:39
课时105 自定义网络实战
07:40
课时106 迁移学习
05:36
课时107 迁移学习实战
10:10
课时108 无监督学习
10:03
课时109 Auto-Encoder原理
10:13
课时110 Auto-Encoder变种
10:00
课时111 Adversarial Auto-Encoder
10:10
课时112 变分Auto-Encoder引入
10:13
课时113 Reparameterization trick
10:06
课时114 变分自编码器VAE
11:04
课时115 Auto-Encoder实战-1
10:02
课时116 Auto-Encoder实战-2
10:12
课时117 变分Auto-Encoder实战-1
05:56
课时118 变分Auto-Encoder实战-2
06:38
课时119 数据的分布
09:12
课时120 画家的成长历程
13:05
课时121 GAN原理
10:03
课时122 纳什均衡-D
09:58
课时123 纳什均衡-G
13:43
课时124 JS散度的缺陷
16:37
课时125 EM距离
09:58
课时126 WGAN与WGAN-GP
15:44
课时127 GAN实战-GD实现
10:00
课时128 GAN实战-网络训练
17:26
课时129 GAN实战-网络训练鲁棒性
09:47
课时130 WGAN-GP实战
16:18
课时131 Ubuntu系统安装
10:02
课时132 Anaconda安装
10:11
课时133 CUDA 10安装
10:11
课时134 环境变量配置
10:06
课时135 cudnn安装
10:15
课时136 PyCharm安装与配置
11:00
课时145 多层感知机的实现
10:19
课时146 多层感知机前向传播
10:07
课时147 多层感知机反向传播
10:11
课时148 多层感知机反向传播-2
10:07
课时149 多层感知机反向传播-3
10:19
课时150 多层感知机的训练
10:25
课时151 多层感知机的测试
12:07
顶部