【加密】JM040 – 深度学习与PyTorch入门实战 [2.5G]

【加密】JM040 – 深度学习与PyTorch入门实战 [2.5G]

┗━━0.此套原版课程没有对应代码和PPT.txt [0B]
┣━━1.深度学习初见 [26M]
┃ ┣━━课时1 深度学习框架简介.vep [11.5M]
┃ ┗━━课时2 PyTorch功能演示.vep [14.6M]
┣━━2.开发环境安装 [19.7M]
┃ ┗━━课时3 开发环境安装（简介）.vep [19.7M]
┣━━3.回归问题 [120.7M]
┃ ┣━━课时10 手写数字识别初体验-2.vep [9.8M]
┃ ┣━━课时11 手写数字识别初体验-3.vep [9.4M]
┃ ┣━━课时12 手写数字识别初体验-4.vep [11.5M]
┃ ┣━━课时13 手写数字识别初体验-5.vep [10.9M]
┃ ┣━━课时4 简单回归问题-.vep [17.4M]
┃ ┣━━课时5 简单回归问题-2.vep [19.3M]
┃ ┣━━课时6 回归问题实战.vep [12.8M]
┃ ┣━━课时7 分类问题引入-1.vep [9.5M]
┃ ┣━━课时8 分类问题引入-2.vep [11.5M]
┃ ┗━━课时9 手写数字识别初体验-1.vep [8.7M]
┣━━4.PyTorch基础教程 [143.8M]
┃ ┣━━课时14 张量数据类型-1.vep [12.2M]
┃ ┣━━课时15 张量数据类型-2.vep [18.5M]
┃ ┣━━课时16 创建Tensor-1.vep [14.1M]
┃ ┣━━课时17 创建Tensor-2.vep [18M]
┃ ┣━━课时18 索引与切片-1.vep [16M]
┃ ┣━━课时19 索引与切片-2.vep [15.4M]
┃ ┣━━课时20 维度变换-1.vep [10.5M]
┃ ┣━━课时21 维度变换-2.vep [13.3M]
┃ ┣━━课时22 维度变换-3.vep [10.6M]
┃ ┗━━课时23 维度变换-4.vep [15.2M]
┣━━5.PyTorch进阶教程 [134.5M]
┃ ┣━━课时24 Broadcasting-1.vep [11.3M]
┃ ┣━━课时25 Broadcasting-2.vep [15.9M]
┃ ┣━━课时26 Broadcasting-3.vep [7.7M]
┃ ┣━━课时27 合并与分割-1.vep [14.4M]
┃ ┣━━课时28 合并与分割-2.vep [9.8M]
┃ ┣━━课时29 数学运算-1.vep [10.3M]
┃ ┣━━课时30 数学运算-2.vep [12.6M]
┃ ┣━━课时31 属性统计-1.vep [14.4M]
┃ ┣━━课时32 属性统计-2.vep [16.7M]
┃ ┗━━课时33 高阶操作.vep [21.4M]
┣━━6.随机梯度下降 [186.5M]
┃ ┣━━课时34 什么是梯度-1.vep [13.4M]
┃ ┣━━课时35 什么是梯度-2.vep [21.5M]
┃ ┣━━课时36 常见函数的梯度.vep [8.5M]
┃ ┣━━课时37 激活函数与Loss的梯度-1.vep [17.3M]
┃ ┣━━课时38 激活函数与Loss的梯度-2.vep [11.4M]
┃ ┣━━课时39 激活函数与Loss的梯度-3.vep [8.8M]
┃ ┣━━课时40 激活函数与Loss的梯度-4.vep [16.8M]
┃ ┣━━课时41 感知机的梯度推导-1.vep [17.2M]
┃ ┣━━课时42 感知机的梯度推导-2.vep [17.1M]
┃ ┣━━课时43 链式法则.vep [14.6M]
┃ ┣━━课时44 反向传播算法-1.vep [17.3M]
┃ ┣━━课时45 反向传播算法-2.vep [9.2M]
┃ ┗━━课时46 优化问题实战.vep [13.4M]
┣━━7.神经网络与全连接层 [107.6M]
┃ ┣━━课时47 Logistic Regression.vep [18.2M]
┃ ┣━━课时48 交叉熵-1.vep [12.1M]
┃ ┣━━课时49 交叉熵-2.vep [12.6M]
┃ ┣━━课时50 多分类问题实战.vep [12.7M]
┃ ┣━━课时52 激活函数与GPU加速.vep [15.4M]
┃ ┣━━课时53 MNIST测试实战.vep [17M]
┃ ┗━━课时54 Visdom可视化.vep [19.6M]
┣━━8.过拟合 [98M]
┃ ┣━━课时55 过拟合与欠拟合.vep [17.7M]
┃ ┣━━课时56 交叉验证-1.vep [15.9M]
┃ ┣━━课时57 交叉验证-2.vep [11.7M]
┃ ┣━━课时58 Regularization.vep [15M]
┃ ┣━━课时59 动量与学习率衰减.vep [18.7M]
┃ ┗━━课时60 Early stopping, dropout等.vep [18.9M]
┣━━9.卷积神经网络CNN [231.8M]
┃ ┣━━课时61 什么是卷积-1.vep [21.4M]
┃ ┣━━课时62 什么是卷积-2.vep [14.9M]
┃ ┣━━课时63 卷积神经网络-1.vep [15M]
┃ ┣━━课时64 卷积神经网络-2.vep [20.4M]
┃ ┣━━课时65 卷积神经网络-3.vep [11.9M]
┃ ┣━━课时66 池化层与采样.vep [13.7M]
┃ ┣━━课时67 BatchNorm-1.vep [12.7M]
┃ ┣━━课时68 BatchNorm-2.vep [17.9M]
┃ ┣━━课时69 经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-1.vep [15.8M]
┃ ┣━━课时70 经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-2.vep [13.2M]
┃ ┣━━课时71 ResNet与DenseNet-1.vep [16.6M]
┃ ┣━━课时72 ResNet与DenseNet-2.vep [14.4M]
┃ ┣━━课时73 nn.Module模块-1.vep [14.8M]
┃ ┣━━课时74 nn.Module模块-2.vep [11.6M]
┃ ┗━━课时75 数据增强.vep [17.5M]
┣━━10.CIFAR10与ResNet实战 [141.8M]
┃ ┣━━课时76 CIFAR10数据集介绍.vep [16.6M]
┃ ┣━━课时77 卷积神经网络实战-1.vep [15.1M]
┃ ┣━━课时78 卷积神经网络实战-2.vep [15.5M]
┃ ┣━━课时79 卷积神经网络训练.vep [17M]
┃ ┣━━课时80 ResNet实战-1.vep [16.4M]
┃ ┣━━课时81 ResNet实战-2.vep [15.6M]
┃ ┣━━课时82 ResNet实战-3.vep [11.8M]
┃ ┣━━课时83 ResNet实战-4.vep [14.4M]
┃ ┗━━课时84 实战小结.vep [19.6M]
┣━━11.循环神经网络RNN&LSTM [167.3M]
┃ ┣━━课时85 时间序列表示方法.vep [19.5M]
┃ ┣━━课时86 RNN原理-1.vep [12M]
┃ ┣━━课时87 RNN原理-.vep [12.4M]
┃ ┣━━课时88 RNN Layer使用-1.vep [12.6M]
┃ ┣━━课时89 RNN Layer使用-2.vep [11.6M]
┃ ┣━━课时90 时间序列预测实战.vep [18.8M]
┃ ┣━━课时91 梯度弥散与梯度爆炸.vep [18.4M]
┃ ┣━━课时92 LSTM原理-.vep [11.9M]
┃ ┣━━课时93 LSTM原理-2.vep [15.2M]
┃ ┣━━课时94 LSTM Layer使用.vep [11.3M]
┃ ┗━━课时95 情感分类问题实战.vep [23.4M]
┣━━12.迁移学习-实战宝可梦精灵 [268.3M]
┃ ┣━━课时100 自定义数据集实战-3.vep [16.6M]
┃ ┣━━课时101 自定义数据集实战-4.vep [15.1M]
┃ ┣━━课时102 自定义数据集实战-5.vep [21M]
┃ ┣━━课时103 自定义网络.vep [14.5M]
┃ ┣━━课时104 自定义网络训练与测试.vep [11.5M]
┃ ┣━━课时105 自定义网络实战.vep [54.5M]
┃ ┣━━课时106 迁移学习.vep [7.7M]
┃ ┣━━课时107 迁移学习实战.vep [15.8M]
┃ ┣━━课时96 Pokemon数据集.vep [47.9M]
┃ ┣━━课时97 数据预处理.vep [17.8M]
┃ ┣━━课时98 自定义数据集实战-1.vep [31.8M]
┃ ┗━━课时99 自定义数据集实战-2.vep [14.1M]
┣━━13.自编码器Auto-Encoders [325.1M]
┃ ┣━━课时108 无监督学习.vep [58.5M]
┃ ┣━━课时109 Auto-Encoder原理.vep [17.4M]
┃ ┣━━课时110 Auto-Encoder变种.vep [14M]
┃ ┣━━课时111 Adversarial Auto-Encoder.vep [13.2M]
┃ ┣━━课时112 变分Auto-Encoder引入.vep [65.2M]
┃ ┣━━课时113 Reparameterization trick.vep [12.8M]
┃ ┣━━课时114 变分自编码器VAE.vep [17.7M]
┃ ┣━━课时115 Auto-Encoder实战-1.vep [16M]
┃ ┣━━课时116 Auto-Encoder实战-2.vep [43.2M]
┃ ┣━━课时117 变分Auto-Encoder实战-1.vep [27.7M]
┃ ┗━━课时118 变分Auto-Encoder实战-2.vep [39.5M]
┣━━14.对抗生成网络GAN [251.7M]
┃ ┣━━课时119 数据的分布.vep [12.4M]
┃ ┣━━课时120 画家的成长历程.vep [19.8M]
┃ ┣━━课时121 GAN原理.vep [18.1M]
┃ ┣━━课时122 纳什均衡-D.vep [13.9M]
┃ ┣━━课时123 纳什均衡-G.vep [31.6M]
┃ ┣━━课时124 JS散度的缺陷.vep [34.5M]
┃ ┣━━课时125 EM距离.vep [12.6M]
┃ ┣━━课时126 WGAN与WGAN-GP.vep [22.3M]
┃ ┣━━课时127 GAN实战-GD实现.vep [21.3M]
┃ ┣━━课时128 GAN实战-网络训练.vep [24.3M]
┃ ┣━━课时129 GAN实战-网络训练鲁棒性.vep [14.7M]
┃ ┗━━课时130 WGAN-GP实战.vep [26.3M]
┣━━15.【选看】Ubuntu开发环境安装 [116.5M]
┃ ┣━━课时131 Ubuntu系统安装.vep [15.7M]
┃ ┣━━课时132 Anaconda安装.vep [22.1M]
┃ ┣━━课时133 CUDA 10安装.vep [22.3M]
┃ ┣━━课时134 环境变量配置.vep [20M]
┃ ┣━━课时135 cudnn安装.vep [16.9M]
┃ ┗━━课时136 PyCharm安装与配置.vep [19.6M]
┣━━16.【选看】人工智能发展简史 [108.6M]
┃ ┣━━课时137 生物神经元结构.vep [5.6M]
┃ ┣━━课时138 感知机的提出.vep [12.8M]
┃ ┣━━课时139 BP神经网络.vep [15.6M]
┃ ┣━━课时140 CNN和LSTM的发明.vep [17.9M]
┃ ┣━━课时141 人工智能的低潮.vep [13.3M]
┃ ┣━━课时142 深度学习的诞生.vep [14.6M]
┃ ┗━━课时143 深度学习的繁荣.vep [28.7M]
┣━━17.【选看】Numpy实战BP神经网络 [126.1M]
┃ ┣━━课时144 权值的表示.vep [14.1M]
┃ ┣━━课时145 多层感知机的实现.vep [13.3M]
┃ ┣━━课时146 多层感知机前向传播.vep [13.8M]
┃ ┣━━课时147 多层感知机反向传播.vep [13.9M]
┃ ┣━━课时148 多层感知机反向传播-2.vep [13.2M]
┃ ┣━━课时149 多层感知机反向传播-3.vep [13.3M]
┃ ┣━━课时150 多层感知机的训练.vep [15.2M]
┃ ┣━━课时151 多层感知机的测试.vep [18M]
┃ ┗━━课时152 实战小结.vep [11.3M]

admin网站管理

收藏 海报 链接