655| 0
|
【F070】深度学习框架PyTorch实战系列 |
内容介绍:
章节1:pyTorch框架基本处理操作 课时1PyTorch实战课程简介 课时2PyTorch框架发展趋势简介 课时3框架安装方法(CPU与GPU版本) 课时4PyTorch基本操作 课时5自动求导机制 课时6线性回归DEMO-数据与参数配置 课时7线性回归DEMO-训练回归模型 课时8补充:常见tensor格式 课时9补充:Hub模块简介 课时10本章数据代码下载 课时11数据代码下载汇总 章节2:神经网络实战分类与回归任务 课时12气温数据集与任务介绍 课时13按建模顺序构建完成网络架构 课时14简化代码训练网络模型 课时15分类任务概述 课时16构建分类网络模型 课时17DataSet模块介绍与应用方法 课时18本章数据代码下载 章节3:卷积神经网络原理与参数解读 课时19卷积神经网络应用领域 课时20卷积的作用 课时21卷积特征值计算方法 课时22得到特征图表示 课时23步长与卷积核大小对结果的影响 课时24边缘填充方法 课时25特征图尺寸计算与参数共享 课时26池化层的作用 课时27整体网络架构 课时28VGG网络架构 课时29残差网络Resnet 课时30本章数据代码下载 课时31感受野的作用 章节4:图像识别核心模块实战解读 课时32卷积网络参数定义 课时33网络流程解读 课时34Vision模块功能解读 课时35分类任务数据集定义与配置 课时36图像增强的作用 课时37数据预处理与数据增强模块 课时38Batch数据制作 课时39本章数据代码下载 章节5:迁移学习的作用与应用实例 课时40迁移学习的目标 课时41迁移学习策略 课时42加载训练好的网络模型 课时43优化器模块配置 课时44实现训练模块 课时45训练结果与模型保存 课时46加载模型对测试数据进行预测 课时47额外补充-Resnet论文解读 课时48额外补充-Resnet网络架构解读 章节6:递归神经网络与词向量原理解读 课时49RNN网络架构解读 课时50词向量模型通俗解释 课时51模型整体框架 课时52本章数据代码下载 课时53训练数据构建 课时54CBOW与Skip-gram模型 课时55负采样方案 章节7:新闻数据集文本分类实战 课时56任务目标与数据简介 课时57RNN模型所需输入格式解析 课时58项目配置参数设置 课时59新闻数据读取与预处理方法 课时60LSTM网络模块定义与参数解析 课时61本章数据代码下载 课时62训练LSTM文本分类模型 课时63Tensorboardx可视化展示模块搭建 课时64CNN应用于文本任务原理解析 课时65网络模型架构与效果展示 章节8:对抗生成网络架构原理与实战解析 课时66本章数据代码下载 课时67对抗生成网络通俗解释 课时68GAN网络组成 课时69损失函数解释说明 课时70数据读取模块 课时71生成与判别网络定义 章节9:基于CycleGan开源项目实战图像合成 课时72CycleGan网络所需数据 课时73CycleGan整体网络架构 课时74PatchGan判别网络原理 课时75Cycle开源项目简介 课时76数据读取与预处理操作 课时77生成网络模块构造 课时78判别网络模块构造 课时79损失函数:identity loss计算方法 课时80生成与判别损失函数指定 课时81额外补充:VISDOM可视化配置 课时82本章数据代码下载 章节10:OCR文字识别原理 课时83OCR文字识别要完成的任务 课时84CTPN文字检测网络概述 课时85序列网络的作用 课时86输出结果含义解析 课时87CTPN细节概述 课时88CRNN识别网络架构 课时89CTC模块的作用 章节11:OCR文字识别项目实战 课时90OCR文字检测识别项目效果展示 课时91本章数据代码下载 课时92训练数据准备与环境配置 课时93检测模块候选框生成 课时94候选框标签制作 课时95整体网络所需模块 课时96网络架构各模块完成的任务解读 课时97CRNN识别模块所需数据与标签 课时98识别模块网络架构解读 章节12:基于3D卷积的视频分析与动作识别 课时99本章数据代码下载 课时1003D卷积原理解读 课时101UCF101动作识别数据集简介 课时102测试效果与项目配置 课时103视频数据预处理方法 课时104数据Batch制作方法 课时1053D卷积网络所涉及模块 课时106训练网络模型 章节13:自然语言处理通用框架BERT原理解读 课时107BERT任务目标概述 课时108本章数据代码下载 课时109传统解决方案遇到的问题 课时110注意力机制的作用 课时111self-attention计算方法 课时112特征分配与softmax机制 课时113Multi-head的作用 课时114位置编码与多层堆叠 课时115transformer整体架构梳理 课时116BERT模型训练方法 课时117训练实例 章节14:谷歌开源项目BERT源码解读(官方TF版) 课时118BERT开源项目简介 课时119项目参数配置 课时120本章数据代码下载 课时121数据读取模块 课时122数据预处理模块 课时123tfrecord制作 课时124Embedding层的作用 课时125加入额外编码特征 课时126加入位置编码特征 课时127mask机制 课时128构建QKV矩阵 课时129完成Transformer模块构建 课时130训练BERT模型 章节15:基于PyTorch实战BERT模型(民间PyTorch版) 课时131本章数据代码下载 课时132项目配置与环境概述 课时133数据读取与预处理 课时134网络结构定义 课时135训练网络模型 章节16yTorch框架实战模板解读 课时136本章数据代码下载 课时137项目模板各模块概述 课时138各模块配置参数解析 课时139数据读取与预处理模块功能解读 课时140模型架构模块 课时141训练模块功能 课时142训练结果可视化展示模块 课时143模块应用与BenckMark解读 百度网盘下载地址:
购买主题
本主题需向作者支付 50 金币 才能浏览
| |