深度学习与PyTorch入门实战教程

1.深度学习框架介绍

1.lesson1-PyTorch介绍.mp4

2.开发环境准备

2.lesson2-开发环境准备.mp4

3.初见深度学习

3.lesson3-初探Linear Regression案例-1.mp4

4.lesson3-初探Linear Regression案例-2.mp4

5.lesson4-PyTorch求解Linear Regression案例.mp4

6.lesson5 -手写数字问题引入1.mp4

7.lesson5 -手写数字问题引入2.mp4

4.Pytorch张量操作

8.lesson6 基本数据类型1.mp4

9.lesson6 基本数据类型2.mp4

10.lesson7 创建Tensor 1.mp4

11.lesson7 创建Tensor 2.mp4

12.lesson8 索引与切片1.mp4

13.lesson8 索引与切片2.mp4

14.lesson9 维度变换1.mp4

15.lesson9 维度变换2.mp4

16.lesson9 维度变换3.mp4

17.lesson9 维度变换4.mp4

5.张量高阶操作

18.lesson10 Broatcasting 1.mp4

19.lesson10 Broatcasting 2.mp4

20.lesson11 合并与切割1.mp4

21.lesson11 合并与切割2.mp4

22.lesson12 基本运算.mp4

23.lesson13 数据统计1.mp4

24.lesson13 数据统计2.mp4

25.lesson14 高阶OP.mp4

6.随机梯度下降

26.lesson16 什么是梯度1.mp4

27.lesson16 什么是梯度2.mp4

28.lesson17 常见梯度.mp4

29.lesson18 激活函数及其梯度1.mp4

30.lesson18 激活函数及其梯度2.mp4

31.lesson18 激活函数及其梯度3.mp4

7.感知机梯度传播推导

32.lesson19 单一输出感知机1.mp4

33.lesson19 多输出Loss层2.mp4

34.lesson20 链式法则.mp4

35.lesson21 反向传播.mp4

36.lesson22 优化小实例.mp4

8.多层感知机与分类器

37.lesson24 Logistic Regression.mp4

38.lesson25 交叉熵.mp4

39.lesson26 多分类实战.mp4

40.lesson27 全连接层.mp4

41.lesson28 激活函数与GPU加速.mp4

42.lesson29 测试.mp4

43.lesson30-Visdom可视化.mp4

9.过拟合

44.lesson31-过拟合与欠拟合.mp4

45.lesson32-Train-Val-Test-交叉验证-1.mp4

46.lesson32-Train-Val-Test-交叉验证-2.mp4

47.lesson33-regularization.mp4

48.lesson34-动量与lr衰减.mp4

49.lesson35-early stopping, dropout, sgd.mp4

10.卷积神经网络CNN

50.lesson37-什么是卷积-1.mp4

51.lesson37-什么是卷积-2.mp4

52.lesson38-卷积神经网络-1.mp4

53.lesson38-卷积神经网络-2.mp4

54.lesson38-卷积神经网络-3.mp4

55.lesson39-Pooling&upsample.mp4

56.lesson40-BatchNorm-1.mp4

57.lesson40-BatchNorm-2.mp4

58.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4

59.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4

60.lesson42-ResNet，DenseNet-1.mp4

61.lesson42-ResNet, DenseNet-2.mp4

62.lesson43-nn.Module-1.mp4

63.lesson43-nn.Module-2.mp4

64.lesson44-数据增强Data Argumentation.mp4

11.CIFAR10与ResNet实战

12.循环神经网络RNN&LSTM

65.lesson46-时间序列表示.mp4

66.lesson47-RNN原理-1.mp4

67.lesson47-RNN原理-2.mp4

68.lesson48-RNN Layer使用-1.mp4

69.lesson48-RNN Layer使用-2.mp4

70.lesson49-时间序列预测.mp4

71.lesson50-RNN训练难题.mp4

72.lesson51-LSTM原理-1.mp4

73.lesson51-LSTM原理-2.mp4

74.lesson52-LSTM Layer使用.mp4

75.lesson53-情感分类实战.mp4

13.对抗生成网络GAN

76.lesson54-数据分布.mp4

77.lesson55-画家的成长历程.mp4

78.lesson56-GAN发展.mp4

79.lesson57-纳什均衡-D.mp4

80.lesson58-纳什均衡-G.mp4

81.lesson59-JS散度的弊端.mp4

82.lesson60-EM距离.mp4

83.lesson61-WGAN与WGAN-GP.mp4

84.lesson62-G和D实现.mp4

85.lesson63-GAN实战.mp4

86.lesson64-GAN训练不稳定.mp4

87.lesson65-WGAN-GP实战.mp4