一次性吃透PyTorch!2026零基础深度学习完整教程,CNN/RNN/GAN/LSTM+图像项目全覆盖,新手快速上手!

58.8万
772
2026-03-24 17:43:54
1.8万
655
3.7万
350
配套专属福利:【P2】为零基础系统课程(含PDF学习路线) ✅ CNN/RNN/LSTM/GAN 全套 PyTorch 可运行源码、一键 conda 环境部署脚本 ✅ 通用图像数据集、图像预处理与数据增强全套脚本、训练可视化绘图代码 ✅ mAP / 准确率 / MSE 指标自动计算工具、训练报错完整排查手册 ✅ 网络架构绘图模板、论文实验图表素材、模型轻量化改造方案文档 ✅ 人工智能零基础系统化学习大纲:Python 基础→机器学习→PyTorch 深度学习完整分阶段路线 ✅ 一对一全程辅导:环境代码排错、数据集适配改造、模型精度调优、毕设定制开发、论文润色、答辩演示指导 ⬇️<<<关注公众号:迪哥谈AI 回复暗号:548>>>⬇️ 获取全套PyTorch源码、配套学习资料、AI进阶大纲,课题一对一落地辅导!
毕业论文辅导、顶会发刊、竞赛指导、机器学习、深度学习、强化学习、NLP等(基础/实战/论文)
视频选集
(1/98)
1-PyTorch框架与其他框架区别分析
12:15
零基础专属系统课程+入门学习路线图(一对一辅导)
07:03
2-CPU与GPU版本安装方法解读
17:36
3-数据集与任务概述
11:57
4-基本模块应用测试
12:56
5-网络结构定义方法
12:50
6-数据源定义简介
10:10
7-损失与训练模块分析
12:01
8-训练一个基本的分类模型
10:32
9-参数对结果的影响
08:43
10-神经网络回归任务-气温预测
52:34
11-输入特征通道分析
12:13
12-卷积网络参数解读
09:08
13-卷积网络模型训练
12:09
14-任务分析与图像数据基本处理
11:31
15-数据增强模块
11:52
16-数据集与模型选择
09:30
17-迁移学习方法解读
12:30
18-输出层与梯度设置
11:49
19-输出类别个数修改
10:22
20-优化器与学习率衰减
10:55
21-模型训练方法
11:13
22-重新训练全部模型
11:07
23-测试结果演示分析
18:24
24-Dataloader要完成的任务分析
09:09
25-图像数据与标签路径处理
09:36
26-Dataloader中需要实现的方法分析
13:02
27-实用Dataloader加载数据并训练模型
12:15
28-数据集与任务目标分析
09:54
29-文本数据处理基本流程分析
11:17
30-命令行参数与DEBUG
10:59
31-训练模型所需基本配置参数分析
13:12
32-预料表与字符切分
10:01
33-字符预处理转换ID
10:43
34-LSTM网络结构基本定义
11:30
35-网络模型预测结果输出
12:42
36-模型训练任务与总结
12:20
37-深度学习要解决的问题
07:56
38-深度学习应用领域
14:07
39-计算机视觉任务
05:49
40-视觉任务中遇到的问题
10:02
41-得分函数
07:15
42-损失函数的作用
10:43
43-前向传播整体流程
13:46
44-返向传播计算方法
09:34
45-神经网络整体架构
10:53
46-神经网络架构细节
10:55
47-神经元个数对结果的影响
07:12
48-正则化与激活函数
08:50
49-神经网络过拟合解决方法
11:07
50-卷积神经网络应用领域
07:16
51-卷积的作用
09:24
52-卷积特征值计算方法
08:08
53-得到特征图表示
06:59
54-步长与卷积核大小对结果的影响
08:12
55-边缘填充方法
06:31
56-特征图尺寸计算与参数共享
07:03
57-池化层的作用
05:39
58-整体网络架构
06:21
59-VGG网络架构
06:17
60-残差网络Resnet
07:42
61-感受野的作用
05:47
62-RNN网络架构解读
11:28
63-词向量模型通俗解释
08:15
64-模型整体框架
10:10
65-训练数据构建
05:11
66-CBOW与Skip-gram模型
08:21
67-负采样方案
07:41
68-keras框架简介与安装
06:45
69-训练自己的数据集整体流程
11:13
70-数据加载与预处理
10:25
71-搭建网络模型
12:22
72-学习率对结果的影响
09:39
73-Drop-out操作
07:42
74-权重初始化方法对比
08:31
75-初始化标准差对结果的影响
04:17
76-正则化对结果的影响
14:47
77-加载模型进行测试
11:31
78-卷积层构造
09:03
79-整体流程
10:01
80-BatchNormalization效果
11:08
81-参数对比
10:14
82-网络测试效果
03:40
83-对抗生成网络通俗解释
08:25
84-GAN网络组成
05:15
85-损失函数解释说明
10:06
86-数据读取模块
08:27
87-生成与判别网络定义
08:40
88-CycleGan网络所需数据
06:51
89-CycleGan整体网络架构
10:03
90-PatchGan判别网络原理
04:41
91-Cycle开源项目简介
07:08
92-数据读取与预处理操作
10:18
93-生成网络模块构造
12:13
94-判别网络模块构造
05:03
95-损失函数:identity loss计算方法
09:13
96-生成与判别损失函数指定
11:41
97-额外补充:VISDOM可视化配置
05:55
客服
顶部
赛事库 课堂 2021拜年纪