PyTorch入门到进阶 实战计算机视觉与自然语言处理项目[完结]

——/mksz-440 – PyTorch入门到进阶 实战计算机视觉与自然语言处理项目/
├──第10章 循环神经网与NLP基础串讲
| ├──10-1 RNN网络基础.mp4 12.89M
| ├──10-2 RNN常见网络结构-simple RNN网络.mp4 17.49M
| ├──10-3 Bi-RNN网络.mp4 7.69M
| ├──10-4 LSTM网络基础.mp4 23.72M
| ├──10-5 Attention结构.mp4 20.69M
| ├──10-6 Transformer结构.mp4 20.38M
| ├──10-7 BERT结构.mp4 12.48M
| └──10-8 NLP基础概念介绍.mp4 23.46M
├──第11章 PyTorch实战中文文本情感分类问题
| ├──11-1 文本情感分析-情感分类概念介绍.mp4 17.18M
| ├──11-10 文本情感分类-test脚本定义.mp4 26.02M
| ├──11-2 文本情感分类关键流程介绍.mp4 3.31M
| ├──11-3 文本情感分类之文本预处理.mp4 13.91M
| ├──11-4 文本情感分类之特征提取与文本表示.mp4 11.76M
| ├──11-5 文本情感分类之深度学习模型.mp4 14.25M
| ├──11-6 文本情感分类-数据准备.mp4 74.54M
| ├──11-7 文本情感分类-dataset类定义.mp4 50.56M
| ├──11-8 文本情感分类-model类定义.mp4 51.43M
| └──11-9 文本情感分类-train脚本定义.mp4 72.39M
├──第12章 PyTorch实战机器翻译问题
| ├──12-1 机器翻译相关方法-应用场景-评价方法.mp4 30.39M
| ├──12-2 Seq2Seq-Attention编程实例数据准备-模型结构-相关函数.mp4 11.69M
| ├──12-3 Seq2Seq-Attention编程实例-定义数据处理模块.mp4 72.90M
| ├──12-4 Seq2Seq-Attention编程实例-定义模型结构模块（上）.mp4 57.52M
| ├──12-5 Seq2Seq-Attention编程实例-定义模型结构模块（下）.mp4 63.65M
| ├──12-6 Seq2Seq-Attention编程实例-定义train模块（上）.mp4 45.25M
| ├──12-7 Seq2Seq-Attention编程实例-定义train模块（下）.mp4 43.63M
| ├──12-8 Seq2Seq-Attention编程实例-定义train模块-loss function.mp4 74.12M
| └──12-9 Seq2Seq-Attention编程实例-定义eval模块.mp4 35.08M
├──第13章 PyTorch工程应用介绍
| ├──13-1 PyTorch模型开发与部署基础平台介绍.mp4 14.04M
| ├──13-2 PyTorch工程化基础–Torchscript.mp4 13.98M
| ├──13-3 PyTorch服务端发布平台–Torchserver.mp4 13.25M
| └──13-4 PyTorch终端推理基础–ONNX.mp4 9.61M
├──第14章 【选修】Linux操作基础串讲
| └──14-1 linux操作基础串讲.mp4 38.90M
├──第15章 课程总结与回顾
| └──15-1 课程总结.mp4 20.01M
├──第1章 课程介绍-选择Pytorch的理由
| └──1-1 课程导学~1.mp4 23.04M
├──第2章 初识PyTorch框架与环境搭建
| ├──2-1 初识Pytorch基本框架.mp4 20.67M
| ├──2-2 环境配置（1）.mp4 17.15M
| └──2-3 环境配置（2）.mp4 48.07M
├──第3章 PyTorch入门基础串讲
| ├──3-1 机器学习中的分类与回归问题-机器学习基本构成元素.mp4 18.15M
| ├──3-10 取整-余.mp4 12.14M
| ├──3-11 比较运算-排序-topk-kthvalue-数据合法性校验.mp4 69.27M
| ├──3-12 三角函数.mp4 11.69M
| ├──3-13 其他数学函数.mp4 9.45M
| ├──3-14 Pytorch与统计学方法.mp4 39.82M
| ├──3-15 Pytorch与分布函数.mp4 9.43M
| ├──3-16 Pytorch与随机抽样.mp4 11.47M
| ├──3-17 Pytorch与线性代数运算.mp4 29.58M
| ├──3-18 Pytorch与矩阵分解-PCA.mp4 36.03M
| ├──3-19 Pytorch与矩阵分解-SVD分解-LDA.mp4 21.59M
| ├──3-2 Tensor的基本定义.mp4 9.96M
| ├──3-20 Pytorch与张量裁剪.mp4 17.04M
| ├──3-21 Pytorch与张量的索引与数据筛选.mp4 79.68M
| ├──3-22 Pytorch与张量组合与拼接.mp4 31.62M
| ├──3-23 Pytorch与张量切片.mp4 26.42M
| ├──3-24 Pytorch与张量变形.mp4 52.72M
| ├──3-25 Pytorch与张量填充.mp4 6.57M
| ├──3-26 Pytorch与傅里叶变换.mp4 1.62M
| ├──3-27 Pytorch简单编程技巧.mp4 29.54M
| ├──3-28 Pytorch与autograd-导数-方向导数-偏导数-梯度的概念.mp4 14.55M
| ├──3-29 Pytorch与autograd-梯度与机器学习最优解.mp4 22.28M
| ├──3-3 Tensor与机器学习的关系.mp4 11.08M
| ├──3-30 Pytorch与autograd-Variable$tensor.mp4 3.98M
| ├──3-31 Pytorch与autograd-如何计算梯度.mp4 4.54M
| ├──3-32 Pytorch与autograd中的几个重要概念-variable-grad-grad_fn.mp4 16.66M
| ├──3-33 Pytorch与autograd中的几个重要概念-function.mp4 24.80M
| ├──3-34 Pytorch与nn库.mp4 34.55M
| ├──3-35 Pytorch与visdom.mp4 9.24M
| ├──3-36 Pytorch与tensorboardX.mp4 12.51M
| ├──3-37 Pytorch与torchvision.mp4 5.80M
| ├──3-4 Tensor创建编程实例.mp4 50.84M
| ├──3-5 Tensor的属性.mp4 11.42M
| ├──3-6 Tensor的属性-稀疏的张量的编程实践.mp4 21.74M
| ├──3-7 Tensor的算术运算.mp4 13.40M
| ├──3-8 Tensor的算术运算编程实例.mp4 62.38M
| └──3-9 in-place的概念和广播机制.mp4 22.93M
├──第4章 PyTorch搭建简单神经网络
| ├──4-1 机器学习和神经网络的基本概念（1）.mp4 44.91M
| ├──4-2 机器学习和神经网络的基本概念（2）.mp4 32.09M
| ├──4-3 利用神经网络解决分类和回归问题（1）.mp4 42.28M
| ├──4-4 利用神经网络解决分类和回归问题（2）.mp4 89.39M
| ├──4-5 利用神经网络解决分类和回归问题（3）.mp4 41.21M
| ├──4-6 利用神经网络解决分类和回归问题（4）.mp4 46.09M
| └──4-7 利用神经网络解决分类和回归问题（5）.mp4 63.97M
├──第5章 计算机视觉与卷积神经网络基础串讲
| ├──5-1 计算机视觉基本概念.mp4 49.29M
| ├──5-10 多分支网络结构.mp4 7.02M
| ├──5-11 attention的网络结构.mp4 18.81M
| ├──5-12 学习率.mp4 8.35M
| ├──5-13 优化器.mp4 13.20M
| ├──5-14 卷积神经网添加正则化.mp4 5.31M
| ├──5-2 图像处理常见概念.mp4 53.79M
| ├──5-3 特征工程.mp4 25.39M
| ├──5-4 卷积神经网（上）.mp4 27.84M
| ├──5-5 卷积神经网（下）.mp4 25.61M
| ├──5-6 pooling层.mp4 9.29M
| ├──5-7 激活层-BN层-FC层-损失层.mp4 21.94M
| ├──5-8 经典卷积神经网络结构.mp4 20.81M
| └──5-9 轻量型网络结构.mp4 16.96M
├──第6章 PyTorch实战计算机视觉任务-Cifar10图像分类
| ├──1-1 图像分类网络模型框架解读（上）.mp4 23.37M
| ├──1-10 PyTorch搭建cifar10训练脚本搭建-ResNet结构（下）.mp4 48.56M
| ├──1-11 PyTorch搭建cifar10训练脚本搭建-Mobilenetv1结构.mp4 46.48M
| ├──1-12 PyTorch搭建cifar10训练脚本搭建-Inception结构（上）.mp4 45.09M
| ├──1-13 PyTorch搭建cifar10训练脚本搭建-Inception结构（下）.mp4 30.66M
| ├──1-14 PyTorch搭建cifar10训练脚本搭建-调用Pytorch标准网络ResNet18等.mp4 21.88M
| ├──1-15 PyTorch搭建cifar10推理测试脚本搭建.mp4 32.69M
| ├──1-16 分类问题优化思路.mp4 38.10M
| ├──1-17 分类问题最新研究进展和方向.mp4 13.53M
| ├──1-2 图像分类网络模型框架解读（下）.mp4 31.62M
| ├──1-3 cifar10数据介绍-读取-处理（上）.mp4 43.00M
| ├──1-4 cifar10数据介绍-读取-处理（下）.mp4 47.31M
| ├──1-5 PyTorch自定义数据加载-加载Cifar10数据.mp4 55.01M
| ├──1-6 PyTorch搭建 VGGNet 实现Cifar10图像分类.mp4 55.49M
| ├──1-7 PyTorch搭建cifar10训练脚本-tensorboard记录LOG（上）.mp4 62.78M
| ├──1-8 PyTorch搭建cifar10训练脚本-tensorboard记录LOG（下）.mp4 124.29M
| └──1-9 PyTorch搭建cifar10训练脚本搭建-ResNet结构（上）.mp4 61.84M
├──第7章 Pytorch实战计算机视觉任务-Pascal VOC目标检测问题
| ├──7-1 目标检测问题介绍（上）.mp4 30.42M
| ├──7-10 MMdetection LOG分析.mp4 63.82M
| ├──7-2 目标检测问题介绍（下）.mp4 30.79M
| ├──7-3 Pascal VOC-COCO数据集介绍.mp4 10.38M
| ├──7-4 MMdetection框架介绍-安装说明.mp4 33.21M
| ├──7-5 MMdetection框架使用说明.mp4 23.76M
| ├──7-6 MMdetection训练Passcal VOC目标检测任务（上）.mp4 108.66M
| ├──7-7 MMdetection训练Passcal VOC目标检测任务（中）.mp4 98.56M
| ├──7-8 MMdetection训练Passcal VOC目标检测任务（下）.mp4 103.14M
| └──7-9 MMdetection Test脚本.mp4 21.62M
├──第8章 PyTorch实战计算机视觉任务-COCO目标分割问题
| ├──8-1 图像分割基本概念.mp4 21.24M
| ├──8-2 图像分割方法介绍.mp4 38.13M
| ├──8-3 图像分割评价指标及目前面临的挑战.mp4 17.20M
| ├──8-4 COCO数据集介绍.mp4 8.68M
| ├──8-5 detectron框架介绍和使用简单说明.mp4 18.73M
| ├──8-6 coco数据集标注文件解析.mp4 34.31M
| └──8-7 detectron源码解读和模型训练-demo测试.mp4 284.33M
├──第9章 PyTorch搭建GAN网络实战图像风格迁移
| ├──9-1 GAN的基础概念和典型模型介绍（上）.mp4 27.11M
| ├──9-2 GAN的基础概念和典型模型介绍（下）.mp4 34.11M
| ├──9-3 图像风格转换数据下载与自定义dataset类.mp4 48.81M
| ├──9-4 cycleGAN模型搭建-model.mp4 62.16M
| ├──9-5 cycleGAN模型搭建-train（上）.mp4 78.07M
| ├──9-6 cycleGAN模型搭建-train（下）.mp4 111.30M
| └──9-7 cycleGAN模型搭建-test.mp4 27.07M
└──新资料
| ├──detectron2-master_一手资源微信535950311.zip 1.71M
| ├──mmdetection-master_一手资源微信535950311.zip 5.54M
| └──Pytorch_code-master_一手资源微信535950311.zip 20.39M

免费下载：(文件内有百度网盘下载地址)