构建深度学习模式，综合应用完整的企业级项目
越来越多的科研和企业项目将Pytorch作为深度学习框架的首选。无论是新入门学习还是实战项目，Pytorch都是非常优秀的工具，使用方便，功能完善。本课程以实践为目的，在几个实践项目中贯穿深度学习的概念和基础学习。荒川老师将带领你进入Pytorch深度学习的世界，用Pytorch逐一实现。
课程目录
1-1课程导学2249.mp4
1-2深度学习如何影响生活133.mp4
1-3常用深度学习框架1738.mp4
1319环境安装配置2-1.mp4
2-2使用预训练Resnet网络对图片进行分类1610.mp4
2-3使用预训练Resnet网络对图片进行分类20845.mp4
2-4使用GAN网络将马变成斑马1716.mp4
3-1工业级数据挖掘流程12359.mp4
3-2工业级数据挖掘流程213.mp4
3-3课程重点和难点技能分布0515.mp4
3-4课程实战项目简介07000.mp4
逻辑2133510张量的底层.mp4
4-1什么是张量1407.mp4
获取和存储4-2张量的1635.mp4
获取和存储21540张4-3张量.mp4
基本操作4-4张量10830.mp4
4-5张量的基本操作21604.mp4
4-6张量中的元素类型0656.mp4
4-7张量的命名0832.mp4
4-8将张量传递到GPU，运算0607.mp4
1942年4-9张量底层实现逻辑.mp4
加载普通二维图像5-10751.mp4
5-2普通二维图像加载21259.mp4
5-33D图像加载1230.mp4
5-4普通表格数据加载1453.mp4
5-5有时间序列的表格数据加载1650.mp4
5-6连续值序列值分类值处理1345.mp4
5-7自然语言文本数据加载1945.mp4
5-8本章小结0504.mp4
使用Pytorch提供的优化器1532.mp4
6-11神经网络的重要概念-激活函数1550.mp4
6-12用Pytorchnn模块构建神经网络1537.mp4
6-13批量训练方法1453.mp4
用神经网络解决温度计示数转换问题2123.mp4
6-1常规模型训练过程1104.mp4
6-2温度计转换114.mp4
6-3神经网络的重要概念-损失1240.mp4
1646-4PyTorch中的广播机制.mp4
6-5神经网络的重要概念-梯度1811梯度.mp4
6-6神经网络的重要概念-学习率1947.mp4
6-7神经网络的重要概念-归一化2620.mp4
使用超参数优化我们的模型效果1136.mp4
6-9使用Pytorch自动计算梯度156.mp4
7-10使用卷积提取图像中的特定特征0800.mp4
7-11采样压缩数据0753.mp4
7-12借助Pytorch构建卷积网络1012.mp4
7-13训练我们的分类模型1005.mp4
7-14训练模型如何存储0147.mp4
7-15用GPU训练我们的模型0859.mp4
7-16优化方案增加模型宽度-width085.mp4
7-17优化方案数据正则化-normalization1338.mp4
7-18优化方案数据正则化-normalization21655.mp4
7-19优化方案数据正则化-normalization30856.mp4
7-1CIFAR-10数据集介绍0804.mp4
增加模型深度-depth06417-20优化方案.mp4
7-21本章小结0605.mp4
7-2数据集实现Dataset0842.mp4
7-3模型准备训练集和验证集1100.mp4
7-4借助softmax给出分类结果1057.mp4
7-5分类模型常见损失交叉熵损失0738.mp4
7-6全连接网络实现图像分类2553.mp4
7-7改进全连接网络的卷积网络1349.mp4
7-8借助Pytorch构建卷积网络模型1539.mp4
pading04317-9卷积中的数据填充方法.mp4
8-10分割训练集和验证集0927.mp4
1648-11CT数据可视化.mp4
21513CT数据可视化.mp4
30943-13CT数据可视化.mp4
8-14本章小结0455.mp4
1338-1肺癌检测项目简介.mp4
07228-2CT数据是什么样子的？.mp4
8-3制定解决方案0840.mp4
8-4下载项目中的数据集0932.mp4
8-5原始数据是什么样子的0822？.mp4
2198-6加载标注数据.mp4
8-7加载CT图像数据0751.mp4
8-8数据坐标系转换2326.mp4
8-9编写Dataset方法1244444.mp4
9-10借助Tensorboard绘制指标曲线123.mp4
F1score17511新模型评估指标.mp4
9-12F1Score计算逻辑0858.mp4
9-13数据优化方法1136.mp4
9-14数据重复采样代码实现1549.mp4
9-15数据增强代码实现1937.mp4
9-16第二个模型结节分割0853.mp4
9-17图像分割的几种类型0705.mp4
9-18U-Net模型介绍1927.mp4
9-19图像分割数据预处理2501.mp4
第一个模型结节分类154.mp4
图像分割构建Dataset类2623-20.mp4
9-21构建训练Dataset和GPU数据增强116.mp4
9-22Adam优化器和Dice损失1127.mp4
9-23构建训练流程1826.mp4
9-24模型存储图像存储代码介绍055.mp4
9-25分割模型训练，Tensorboard查看结果1145.mp4
9-26本章小结1511.mp4
定义模型训练框架1831.mp4
9-3初始化的内容是什么？0913.mp4
9-4编写数据加载器0702.mp4
9-5实现模型核心部分1827.mp4
9-6定义损失计算和训练验证环节1731.mp4
9-7定义损失计算和训练验证环节20920年.mp4
9-8在日志中保存重要信息1956.mp4
9-9尝试训练第一个模型1650.mp4
10-1连接分割模型和分类模型3005.mp4
AUC-ROC曲线3716新评价指标.mp4
10-3使用finetune方法构建肿瘤恶性判断模型2908年.mp4
10-4端到端肺肿瘤检测1731.mp4
10-5使用合适的框架在线部署模型1446.mp4
10-6使用合适的框架在线部署模型21206.mp4
10-7本章小结0833.mp4
11-1肿瘤检测系统架构回顾1512.mp4
11-2课程中的神经网络回顾1327.mp4
11-3模型优化方法回顾1020.mp4
209年11-4次面试中可能遇到的问题.mp4
11-5持续学习的建议2748.mp4
[我要扒资料]
