【加密】JM060 – Pytorch深度学习入门与实战 [25.3G]

【加密】JM060 – Pytorch深度学习入门与实战 [25.3G]

┣━━01.视频 [21.2G]
┃ ┣━━01-Pytorch概述 [271.7M]
┃ ┃ ┣━━01.Pytorch框架简介.vep [35.6M]
┃ ┃ ┗━━02.Pytoch的安装.vep [236.2M]
┃ ┣━━02-深度学习基础与线性回归实例 [400.9M]
┃ ┃ ┣━━03.机器学习基础-线性回归.vep [37.9M]
┃ ┃ ┣━━04.收入数据集读取与观察.vep [108.6M]
┃ ┃ ┣━━05.初始化模型、损失函数和优化方法.vep [122M]
┃ ┃ ┗━━06.模型训练与结果可视化.vep [132.4M]
┃ ┣━━03-Pytorch张量 [495.5M]
┃ ┃ ┣━━07.Pytorch张量与数据类型.vep [91M]
┃ ┃ ┣━━08.张量运算与形状变换.vep [64.1M]
┃ ┃ ┣━━09.张量微分运算.vep [127.1M]
┃ ┃ ┗━━10.入门实例的分解写法.vep [213.3M]
┃ ┣━━04-逻辑回归与多层感知器 [1.5G]
┃ ┃ ┣━━11.逻辑回归简介与数据预处理.vep [116.1M]
┃ ┃ ┣━━12.逻辑回归模型的创建与训练.vep [177.1M]
┃ ┃ ┣━━13.多层感知器简介.vep [56.7M]
┃ ┃ ┣━━14.多层感知器实例-数据预处理.vep [162.1M]
┃ ┃ ┣━━15.多层感知器模型创建.vep [83.6M]
┃ ┃ ┣━━16.多层感知器模型改写与解释.vep [116.8M]
┃ ┃ ┣━━17.多层感知器模型训练.vep [99.1M]
┃ ┃ ┣━━18.使用Dataset和Dataloader加载模型数据.vep [208.1M]
┃ ┃ ┣━━19.划分验证数据和测试数据.vep [166.1M]
┃ ┃ ┗━━20.添加正确率和验证数据.vep [317.9M]
┃ ┣━━05-多分类问题问题 [1.1G]
┃ ┃ ┣━━21.Softmax多分类与鸢尾花数据集预处理.vep [140.2M]
┃ ┃ ┣━━22.多分类模型创建与损失函数.vep [144.6M]
┃ ┃ ┣━━23.多分类模型训练与调试.vep [296.4M]
┃ ┃ ┣━━24.编写通用训练函数（一）.vep [220.6M]
┃ ┃ ┗━━25.编写通用训练函数（二）.vep [352.1M]
┃ ┣━━06-手写数字全连接模型与基础部分总结 [482.4M]
┃ ┃ ┣━━26.MNIST数据集的下载和使用.vep [150.3M]
┃ ┃ ┣━━27.认识手写数据集MNIST.vep [158.8M]
┃ ┃ ┗━━28.MNIST数据集全连接模型训练.vep [173.3M]
┃ ┣━━07-基础部分综述 [353M]
┃ ┃ ┣━━29.梯度下降算法与学习速率.vep [91M]
┃ ┃ ┣━━30.反向传播算法与优化器.vep [76.9M]
┃ ┃ ┣━━31.基础部分知识点总结.vep [163.3M]
┃ ┃ ┗━━32.基础部分作业——Fashion-MNIST数据分类.vep [21.9M]
┃ ┣━━08-计算机视觉基础 [2.1G]
┃ ┃ ┣━━33.什么是卷积.vep [71.4M]
┃ ┃ ┣━━34.卷积模型的整体架构.vep [65.9M]
┃ ┃ ┣━━35.卷积模型解决手写数字分类.vep [336.5M]
┃ ┃ ┣━━36.使用GPU加速训练.vep [264.7M]
┃ ┃ ┣━━37.卷积模型基础实例——四种天气数据集.vep [268M]
┃ ┃ ┣━━38.读取、预处理图片并创建Dataset.vep [78.9M]
┃ ┃ ┣━━39.创建Dataloader和可视化图片.vep [188.2M]
┃ ┃ ┣━━40.四种天气分类模型的创建.vep [159.8M]
┃ ┃ ┣━━41.卷积模型的训练.vep [161.6M]
┃ ┃ ┣━━42.Dropout抑制过拟合.vep [75.8M]
┃ ┃ ┣━━43.Dropout代码实现.vep [198.2M]
┃ ┃ ┣━━44.批标准化（BatchNormalization）简介.vep [73.9M]
┃ ┃ ┣━━45.BatchNormalization层的代码实现.vep [190.6M]
┃ ┃ ┗━━46.超参数选择原则.vep [39.3M]
┃ ┣━━09-预训练模型（迁移学习） [1.4G]
┃ ┃ ┣━━47.预训练模型与VGG架构.vep [87.4M]
┃ ┃ ┣━━48.预训练模型的使用介绍.vep [82.2M]
┃ ┃ ┣━━49.预训练模型VGG的代码实现.vep [213.3M]
┃ ┃ ┣━━50.图像数据增强.vep [204.5M]
┃ ┃ ┣━━51.学习速率衰减.vep [168.3M]
┃ ┃ ┣━━52.RESNET预训练模型.vep [218.6M]
┃ ┃ ┣━━53.微调与迁移学习.vep [190.9M]
┃ ┃ ┗━━54.模型权重保存.vep [256.4M]
┃ ┣━━10-Dataset数据输入 [946M]
┃ ┃ ┣━━55.自定义输入Dataset类.vep [248.8M]
┃ ┃ ┣━━56.获取图片路径和标签.vep [124.9M]
┃ ┃ ┣━━57.创建四种天气数据集的Dataset类.vep [120.9M]
┃ ┃ ┣━━58.创建输入并可视化.vep [162.8M]
┃ ┃ ┣━━59.划分测试数据和验证数据.vep [206.3M]
┃ ┃ ┗━━60.灵活的使用Dataset类构造输入.vep [82.2M]
┃ ┣━━11-现代网络架构 [1.8G]
┃ ┃ ┣━━61.Resnet和残差结构介绍.vep [70.2M]
┃ ┃ ┣━━62.Resnet结构代码实现（一）.vep [91.1M]
┃ ┃ ┣━━63.Resnet结构代码实现（二）.vep [137.7M]
┃ ┃ ┣━━64.DenseNet模型简介.vep [59.6M]
┃ ┃ ┣━━65.DenseNet提取图片特征——获取图片和标签.vep [137.2M]
┃ ┃ ┣━━66.类别编码、划分测试数据和训练数据.vep [81.6M]
┃ ┃ ┣━━67.创建输入Dataset.vep [111.3M]
┃ ┃ ┣━━68.创建Dataloader并可视化.vep [113.6M]
┃ ┃ ┣━━69.使用DenseNet卷积基提取特征.vep [179.1M]
┃ ┃ ┣━━70.创建特征Dataset和分类模型.vep [136.6M]
┃ ┃ ┣━━71.模型训练和预测简介.vep [293.9M]
┃ ┃ ┣━━72.Inception网络结构简介.vep [75.7M]
┃ ┃ ┣━━73.Inception结构代码实现（一）.vep [144M]
┃ ┃ ┣━━74.Inception结构代码实现（二）.vep [175.1M]
┃ ┃ ┗━━75.Inception结构应用和优化——Googlenet和inceptionv3简介.vep [76.4M]
┃ ┣━━12-简单图像定位 [1.2G]
┃ ┃ ┣━━76.常见图像处理任务和图像定位原理.vep [55.6M]
┃ ┃ ┣━━77.图像定位实例——数据观察与理解.vep [160.4M]
┃ ┃ ┣━━78.目标值的解析和可视化.vep [146.4M]
┃ ┃ ┣━━79.数据集路径读取与筛选.vep [142.9M]
┃ ┃ ┣━━80.解析xml目标值.vep [113.2M]
┃ ┃ ┣━━81.创建Dataset.vep [162.1M]
┃ ┃ ┣━━82.创建dataloader和图像可视化.vep [145.4M]
┃ ┃ ┣━━83.创建图像定位模型.vep [168M]
┃ ┃ ┗━━84.图像定位模型的训练和预测.vep [149M]
┃ ┣━━13-Unet 图像语义分割 [1.7G]
┃ ┃ ┣━━85.图像语义分割简介.vep [53.1M]
┃ ┃ ┣━━86.UNET语义分割结构介绍.vep [194.3M]
┃ ┃ ┣━━87.语义分割的输入输出、反卷积和IoU指标.vep [76.7M]
┃ ┃ ┣━━88.Unet语义分割模型数据观察.vep [136.9M]
┃ ┃ ┣━━89.创建dataset输入.vep [179.8M]
┃ ┃ ┣━━90.创建和测试dataset并绘图.vep [119.8M]
┃ ┃ ┣━━91.下采样子模型.vep [93M]
┃ ┃ ┣━━92.上采样子模型.vep [105.2M]
┃ ┃ ┣━━93.Unet模型初始化部分.vep [170.3M]
┃ ┃ ┣━━94.Unet模型的前向传播部分.vep [123.4M]
┃ ┃ ┣━━95.模型训练.vep [213.2M]
┃ ┃ ┣━━96.Unet模型测试.vep [143.2M]
┃ ┃ ┗━━97.Unet模型预测.vep [113.3M]
┃ ┣━━14-LinkNet图像语义分割模型 [1.2G]
┃ ┃ ┣━━98.LinkNet图像语义分割模型简介.vep [79.3M]
┃ ┃ ┣━━99.LinkNet模型课件，大家可尝试自己去实现这个模型.pdf [440.1K]
┃ ┃ ┣━━100.代码组织结构.vep [111.1M]
┃ ┃ ┣━━101.卷积模块.vep [106.9M]
┃ ┃ ┣━━102.反卷积模块.vep [132.5M]
┃ ┃ ┣━━103.编码器模块.vep [154.6M]
┃ ┃ ┣━━104.解码器模块.vep [151M]
┃ ┃ ┣━━105.输入和编码部分的初始化.vep [105.8M]
┃ ┃ ┣━━106.解码器和输出部分的初始化.vep [137.9M]
┃ ┃ ┣━━107.模型的前向传播.vep [112.7M]
┃ ┃ ┗━━108.模型训练和IOU指标.vep [143.9M]
┃ ┣━━15-简单文本分类与词嵌入表示 [917.2M]
┃ ┃ ┣━━109.文本表示与词嵌入.vep [77.3M]
┃ ┃ ┣━━110.文本向量化流程与分词.vep [93.4M]
┃ ┃ ┣━━111.文本的向量化实现.vep [153.1M]
┃ ┃ ┣━━112.简单文本分类——内置数据集加载.vep [97.3M]
┃ ┃ ┣━━113.创建词表、认识数据集.vep [125.2M]
┃ ┃ ┣━━114.简单文本分类模型的创建与训练.vep [177.7M]
┃ ┃ ┗━━115.使用预训练的词向量.vep [193.2M]
┃ ┣━━16-RNN循环神经网络基础 [957.9M]
┃ ┃ ┣━━116.RNN循环神经网络简介.vep [77.4M]
┃ ┃ ┣━━117.RNNCell在序列上展开模型实现.vep [200.1M]
┃ ┃ ┣━━118.RNNCell简单文本分类模型的实现.vep [211.7M]
┃ ┃ ┣━━119.LSTM网络简介.vep [65.1M]
┃ ┃ ┣━━120.使用LSTMcell实现文本分类.vep [122.7M]
┃ ┃ ┣━━121.GRU网络简介.vep [82.2M]
┃ ┃ ┗━━122.LSTM高阶API.vep [198.7M]
┃ ┣━━17-文本分类实例 [1.3G]
┃ ┃ ┣━━123.Twitter评论情绪分类——数据读取与观察.vep [179.9M]
┃ ┃ ┣━━124.Twitter评论情绪分类——创建词表.vep [138.8M]
┃ ┃ ┣━━125.Twitter评论情绪分类———划分训练测试数据、创建Dataset.vep [74.7M]
┃ ┃ ┣━━126.基础文本分类模型.vep [99.8M]
┃ ┃ ┣━━127.LSTM文本分类模型.vep [300.7M]
┃ ┃ ┣━━128.中文外卖评论情绪分类简单演示（上）.vep [179.2M]
┃ ┃ ┣━━129.中文外卖评论情绪分类简单演示（下）.vep [213M]
┃ ┃ ┗━━130.RNN优化方法.vep [146.8M]
┃ ┣━━18-文本与注意力 [493.8M]
┃ ┃ ┣━━131.循环神经网络其他应用及seq2seq简介.vep [51.8M]
┃ ┃ ┣━━132.注意力机制简介.vep [58.8M]
┃ ┃ ┣━━133.自注意力机制简介.vep [67.2M]
┃ ┃ ┣━━134.Transformer模型简介.vep [162.2M]
┃ ┃ ┗━━135.Transformer提取特征实现文本分类小实例.vep [153.7M]
┃ ┣━━19-RNN序列预测实例——北京空气质量预测 [1.4G]
┃ ┃ ┣━━136.北京空气质量数据读取与观察.vep [222.7M]
┃ ┃ ┣━━137.北京空气质量数据预处理（二）.vep [112M]
┃ ┃ ┣━━138.北京空气质量数据预处理（三）.vep [251.6M]
┃ ┃ ┣━━139.北京空气质量数据预处理（四）.vep [86.9M]
┃ ┃ ┣━━140.创建模型Dataset输入.vep [68.9M]
┃ ┃ ┣━━141.创建序列预测模型.vep [114.2M]
┃ ┃ ┣━━142.模型的训练和预测.vep [291M]
┃ ┃ ┗━━143.模型预测演示.vep [275.4M]
┃ ┣━━20-Tensorboard 可视化 [407.5M]
┃ ┃ ┣━━144.Tensorboard安装与导入.vep [111.9M]
┃ ┃ ┣━━145.Tensorboard可视化图片.vep [81.3M]
┃ ┃ ┣━━146.模型网络结构的可视化.vep [86.8M]
┃ ┃ ┗━━147.标量数据的可视化.vep [127.6M]
┃ ┗━━21-一维卷积网络 [850.2M]
┃ ┣━━148.一维卷积原理与一维卷积网络架构.vep [75.3M]
┃ ┣━━149.一维卷积实例——中文分词.vep [144.8M]
┃ ┣━━150.一维卷积实例——创建词表.vep [110M]
┃ ┣━━151.一维卷积实例——划分数据集.vep [142.3M]
┃ ┣━━152.一维卷积实例——批次处理函数.vep [154.6M]
┃ ┣━━153.一维卷积实例——模型层初始化.vep [109.1M]
┃ ┗━━154.一维卷积实例——模型前向传播与训练.vep [114.1M]
┣━━00.资料.zip [4.1G]
┗━━vep加密播放说明.txt [204B]

admin网站管理

收藏 海报 链接