深度学习-PyTorch实战
深度学习-PyTorch实战├──01.PyTorch基础
| ├──1-1 PyTorch实战课程简介 .mp416.41M
| ├──1-2 PyTorch框架发展趋势简介 .mp423.35M
| ├──1-3 框架安装方法（CPU与GPU版本） .mp416.60M
| ├──1-4 PyTorch基本操作简介 .mp425.11M
| ├──1-5 自动求导机制 .mp429.13M
| ├──1-6 线性回归DEMO-数据与参数配置 .mp422.81M
| ├──1-7 线性回归DEMO-训练回归模型 .mp430.65M
| ├──1-8 补充：常见tensor格式 .mp417.06M
| └──1-9 补充：Hub模块简介 .mp437.23M
├──02.分类任务
| ├──2-1 气温数据集与任务介绍 .mp422.82M
| ├──2-2 按建模顺序构建完成网络架构 .mp435.08M
| ├──2-3 简化代码训练网络模型 .mp435.55M
| ├──2-4 分类任务概述 .mp413.81M
| ├──2-5 构建分类网络模型 .mp429.20M
| └──2-6 DataSet模块介绍与应用方法 .mp433.73M
├──03.卷积神经
| ├──3-1 卷积神经网络应用领域 .mp426.64M
| ├──3-10 VGG网络架构 .mp420.55M
| ├──3-11 残差网络Resnet .mp418.38M
| ├──3-12 感受野的作用 .mp416.77M
| ├──3-2 卷积的作用 .mp423.60M
| ├──3-3 卷积特征值计算方法 .mp422.68M
| ├──3-4 得到特征图表示 .mp418.47M
| ├──3-5 步长与卷积核大小对结果的影响 .mp420.39M
| ├──3-6 边缘填充方法 .mp417.93M
| ├──3-7 特征图尺寸计算与参数共享 .mp422.04M
| ├──3-8 池化层的作用 .mp411.33M
| └──3-9 整体网络架构 .mp417.99M
├──04.图像识别
| ├──4-1 卷积网络参数定义 .mp424.08M
| ├──4-2 网络流程解读 .mp430.92M
| ├──4-3 Vision模块功能解读 .mp418.00M
| ├──4-4 分类任务数据集定义与配置 .mp425.18M
| ├──4-5 图像增强的作用 .mp415.96M
| ├──4-6 数据预处理与数据增强模块 .mp438.83M
| └──4-7 Batch数据制作 .mp433.94M
├──05.迁移学习
| ├──5-1 迁移学习的目标 .mp413.29M
| ├──5-2 迁移学习策略 .mp416.08M
| ├──5-3 加载训练好的网络模型 .mp437.65M
| ├──5-4 优化器模块配置 .mp419.28M
| ├──5-5 实现训练模块 .mp428.11M
| ├──5-6 训练结果与模型保存 .mp431.65M
| ├──5-7 加载模型对测试数据进行预测 .mp435.69M
| ├──5-8 额外补充-Resnet论文解读 .mp454.32M
| └──5-9 额外补充-Resnet网络架构解读 .mp418.56M
├──06.RNN神经网络
| ├──6-1 RNN网络架构解读 .mp422.98M
| ├──6-2 词向量模型通俗解释 .mp421.22M
| ├──6-3 模型整体框架 .mp427.36M
| ├──6-4 训练数据构建 .mp415.78M
| ├──6-5 CBOW与Skip-gram模型 .mp422.57M
| └──6-6 负采样方案 .mp423.13M
├──07.文本分类实战
| ├──7-1 任务目标与数据简介 .mp428.32M
| ├──7-2 RNN模型所需输入格式解析 .mp420.10M
| ├──7-3 项目配置参数设置 .mp438.02M
| ├──7-4 新闻数据读取与预处理方法 .mp430.80M
| ├──7-5 LSTM网络模块定义与参数解析 .mp434.05M
| ├──7-6 训练LSTM文本分类模型 .mp436.80M
| ├──7-7 Tensorboardx可视化展示模块搭建 .mp435.19M
| ├──7-8 CNN应用于文本任务原理解析 .mp423.39M
| └──7-9 网络模型架构与效果展示 .mp443.64M
├──08.对抗生成网络架构
| ├──8-1 对抗生成网络通俗解释 .mp421.20M
| ├──8-2 GAN网络组成 .mp411.31M
| ├──8-3 损失函数解释说明 .mp442.16M
| ├──8-4 数据读取模块 .mp430.18M
| └──8-5 生成与判别网络定义 .mp436.40M
├──09.CycleGan开源实战
| ├──9-1 CycleGan网络所需数据 .mp429.60M
| ├──9-10 额外补充：VISDOM可视化配置 .mp425.88M
| ├──9-2 CycleGan整体网络架构 .mp421.20M
| ├──9-3 PatchGan判别网络原理 .mp410.98M
| ├──9-4 Cycle开源项目简介 .mp430.04M
| ├──9-5 数据读取与预处理操作 .mp447.99M
| ├──9-6 生成网络模块构造 .mp450.15M
| ├──9-7 判别网络模块构造 .mp420.60M
| ├──9-8 损失函数：identity loss计算方法 .mp439.50M
| └──9-9 生成与判别损失函数指定 .mp453.89M
├──10.OCR文字识别
| ├──10-1 OCR文字识别要完成的任务 .mp424.85M
| ├──10-2 CTPN文字检测网络概述 .mp417.77M
| ├──10-3 序列网络的作用 .mp421.76M
| ├──10-4 输出结果含义解析 .mp416.33M
| ├──10-5 CTPN细节概述 .mp421.25M
| ├──10-6 CRNN识别网络架构 .mp414.93M
| └──10-7 CTC模块的作用 .mp49.76M
├──11.OCR文字识别实战
| ├──11-1 OCR文字检测识别项目效果展示 .mp417.01M
| ├──11-2 训练数据准备与环境配置 .mp428.99M
| ├──11-3 检测模块候选框生成 .mp433.93M
| ├──11-4 候选框标签制作 .mp435.32M
| ├──11-5 整体网络所需模块 .mp420.74M
| ├──11-6 网络架构各模块完成的任务解读 .mp432.29M
| ├──11-7 CRNN识别模块所需数据与标签 .mp417.36M
| └──11-8 识别模块网络架构解读 .mp439.29M
├──12.3D卷积视频分析
| ├──12-1 3D卷积原理解读 .mp422.38M
| ├──12-2 UCF101动作识别数据集简介 .mp428.20M
| ├──12-3 测试效果与项目配置 .mp449.26M
| ├──12-4 视频数据预处理方法 .mp431.22M
| ├──12-5 数据Batch制作方法 .mp442.91M
| ├──12-6 3D卷积网络所涉及模块 .mp437.23M
| └──12-7 训练网络模型 .mp436.66M
├──13.BERT框架
| ├──13-1 BERT任务目标概述 .mp411.28M
| ├──13-10 训练实例 .mp423.51M
| ├──13-2 传统解决方案遇到的问题 .mp423.32M
| ├──13-3 注意力机制的作用 .mp415.95M
| ├──13-4 self-attention计算方法 .mp423.89M
| ├──13-5 特征分配与softmax机制 .mp421.35M
| ├──13-6 Multi-head的作用 .mp420.10M
| ├──13-7 位置编码与多层堆叠 .mp417.16M
| ├──13-8 transformer整体架构梳理 .mp422.55M
| └──13-9 BERT模型训练方法 .mp420.74M
├──14.BERT源码
| ├──14-1 BERT开源项目简介 .mp430.48M
| ├──14-10 构建QKV矩阵 .mp455.59M
| ├──14-11 完成Transformer模块构建 .mp445.84M
| ├──14-12 训练BERT模型 .mp445.87M
| ├──14-2 项目参数配置 .mp453.10M
| ├──14-3 数据读取模块 .mp440.40M
| ├──14-4 数据预处理模块 .mp443.13M
| ├──14-5 tfrecord制作 .mp453.83M
| ├──14-6 Embedding层的作用 .mp433.81M
| ├──14-7 加入额外编码特征 .mp444.61M
| ├──14-8 加入位置编码特征 .mp424.95M
| └──14-9 mask机制 .mp443.04M
├──15.PyTorch实战
| ├──15-1 项目配置与环境概述 .mp427.03M
| ├──15-2 数据读取与预处理 .mp422.02M
| ├──15-3 网络结构定义 .mp431.07M
| └──15-4 训练网络模型 .mp436.62M
├──16.PyTorch框架实战
| ├──16-1 项目模板各模块概述 .mp434.01M
| ├──16-2 各模块配置参数解析 .mp436.02M
| ├──16-3 数据读取与预处理模块功能解读 .mp446.17M
| ├──16-4 模型架构模块 .mp429.43M
| ├──16-5 训练模块功能 .mp445.07M
| ├──16-6 训练结果可视化展示模块 .mp432.85M
| └──16-7 模块应用与BenckMark解读 .mp455.63M
└──代码+资料
| ├──PPT
| | └──PyTorch .pdf2.56M
| ├──第01章：PyTorch框架基本处理操作 .zip98.58M
| ├──第02章：神经网络实战分类与回归任务 .zip15.82M
| ├──第03章：卷积神经网络 .rar2.09M
| ├──第04章：图像识别核心模块实战解读 .zip336.95M
| ├──第06章：word2vec通俗解释 .zip2.15M
| ├──第07章：新闻数据集文本分类实战 .zip31.53M
| ├──第08章：对抗生成网络架构原理与实战解析 .zip35.28M
| ├──第09章：基于CycleGan开源项目实战图像合成 .zip1.60G
| ├──第11章：OCR文字识别项目实战 .zip423.83M
| ├──第12章：基于3D卷积的视频分析与动作识别 .zip845.84M
| ├──第13章：自然语言处理通用框架BERT原理解读 .rar1.46M
| ├──第14章：谷歌开源项目BERT源码解读（官方TF版） .rar992.70M
| ├──第15章：BERT .zip732.89M
| └──第16章：PyTorch框架实战模板解读 .zip69.22M
资源下载地址和密码（百度云盘）：**** Hidden Message ***** 百度网盘信息回帖可见
本资源由Java自学网收集整理【www.javazx.com】 强烈支持楼主ing…… 我只是路过打酱油的。 视频很多 不错 支持下 资源TTM多了 学习了学习了学习了:) 真是好资料 java我来看一下