终于有人把【Pytorch】讲清楚了！理论讲解+代码实战，悄悄学习卷死所有人，附配套资料，学不会你来打我！pytorch安装/深度学习pytorch实战人工智能
正在缓冲...
关注公众号【咕泡AI】回复【222】获取视频配套代码资料+AI入门学习资料包+深度学习CV系列资料！！！
内含：两大Pytorch、TensorFlow实战框架源码资料；OpenCV、YOLO物体检测实战项目、计算机视觉等视频和资料以及深度学习书籍~
升六级的最快方式就是不要白嫖不要白嫖不要白嫖！！！
下次一定这四个字是怎么组成一句话的
视频选集
（1/100）
自动连播
【PyTorch框架基本处理操作】1-PyTorch实战课程简介
05:11
2-PyTorch框架发展趋势简介
08:26
3-框架安装方法（CPU与GPU版本）
05:14
4-PyTorch基本操作简介
09:26
5-自动求导机制
11:00
6-线性回归DEMO-数据与参数配置
08:57
7-线性回归DEMO-训练回归模型
10:09
8-常见tensor格式
07:11
9-Hub模块简介
08:27
【神经网络实战分类与回归任务】1-气温数据集与任务介绍
06:43
2-按建模顺序构建完成网络架构
11:39
3-简化代码训练网络模型
11:05
4-分类任务概述
05:13
5-构建分类网络模型
09:41
6-DataSet模块介绍与应用方法
10:13
【卷积神经网络原理与参数解读】1-卷积神经网络应用领域
07:26
2-卷积的作用
09:24
3-卷积特征值计算方法
08:08
4-得到特征图表示
07:00
5-步长与卷积核大小对结果的影响
08:12
6-边缘填充方法
06:31
7-特征图尺寸计算与参数共享
07:03
8-池化层的作用
05:39
9-整体网络架构
06:21
10-VGG网络架构
06:17
11-残差网络Resnet
07:42
12-感受野的作用
05:47
【图像识别核心模块实战解读】1-卷积网络参数定义
07:22
2-网络流程解读
07:27
3-Vision模块功能解读
05:11
4-分类任务数据集定义与配置
06:28
5-图像增强的作用
04:52
6-数据预处理与数据增强模块
09:26
7-Batch数据制作
08:38
【迁移学习的作用与应用实例】1-迁移学习的目标
05:33
2-迁移学习策略
07:12
3-加载训练好的网络模型
09:55
4-优化器模块配置
05:15
5-实现训练模块
08:17
6-训练结果与模型保存
09:32
7-加载模型对测试数据进行预测
09:11
8-额外补充-Resnet论文解读
11:48
9-额外补充-Resnet网络架构解读
08:27
【递归神经网络与词向量原理解读】1-RNN网络架构解读
11:28
2-词向量模型通俗解释
08:15
3-模型整体框架
10:10
4-训练数据构建
05:11
5-CBOW与Skip-gram模型
08:21
6-负采样方案
07:41
【新闻数据集文本分类实战】1-任务目标与数据简介
07:19
2-RNN模型所需输入格式解析
06:55
3-项目配置参数设置
10:28
4-新闻数据读取与预处理方法
08:08
5-LSTM网络模块定义与参数解析
09:36
6-训练LSTM文本分类模型
08:56
7-Tensorboardx可视化展示模块搭建
09:18
8-CNN应用于文本任务原理解析
10:47
9-网络模型架构与效果展示
10:59
【生成对抗网络GAN】1-对抗生成网络通俗解释
08:26
2-GAN网络组成
05:15
3-损失函数解释说明
10:06
4-数据读取模块
08:28
5-生成与判别网络定义
08:40
6-CycleGan网络所需数据
06:51
7-CycleGan整体网络架构
10:04
8-PatchGan判别网络原理
04:41
9-Cycle开源项目简介
07:08
10-数据读取与预处理操作
10:18
11-生成网络模块构造
12:13
12-判别网络模块构造
05:03
13-损失函数：identity loss计算方法
09:13
14-生成与判别损失函数指定
11:41
15-额外补充：VISDOM可视化配置
05:55
74 OCR文字识别要完成的任务
06:30
75 CTPN文字检测网络概述
08:06
76 序列网络的作用
09:21
77 输出结果含义解析
07:10
78 CTPN细节概述
09:07
79 CRNN识别网络架构
06:17
80 CTC模块的作用
04:30
81 OCR文字检测识别项目效果展示
04:22
82 OCR文字检测识别项目效果展示
06:50
83 检测模块候选框生成
08:08
84 候选框标签制作
08:24
85 整体网络所需模块
04:56
86 网络架构各模块完成的任务解读
08:40
87 CRNN识别模块所需数据与标签
05:13
88 识别模块网络架构解读
10:42
89 3D卷积原理解读
07:44
90 UCF101动作识别数据集简介
06:03
91 测试效果与项目配置
12:03
92 视频数据预处理方法
07:25
93 数据Batch制作方法
09:03
94 3D卷积网络所涉及模块
07:51
95 训练网络模型
08:33
96 BERT任务目标概述
05:28
97 传统解决方案遇到的问题
11:10
98 注意力机制的作用
06:58
99 self-attention计算方法
11:26
100 特征分配与softmax机制
09:21
顶部