pytorch全套入门与实战项目

le123

pytorch全套入门与实战项目
├──pytorch 全套视频  
|   ├──1. pytorch概述  
|   |   └──章节1-1Pytorch安装  .mp4  255.68M
|   ├──10.Dataset数据输入  
|   |   ├──章节10-1自定义输入Dataset类  .mp4  276.18M
|   |   ├──章节10-2获取图片路径和标签  .mp4  158.19M
|   |   ├──章节10-3创建四种天气数据集的Dataset  .mp4  84.59M
|   |   ├──章节10-4创建输入并可视化  .mp4  94.18M
|   |   ├──章节10-5划分测试数据和验证数据  .mp4  171.53M
|   |   └──章节10-6灵活的使用Dataset类构建输入  .mp4  94.60M
|   ├──11.现代网络架构  
|   |   ├──章节11-10创建特征Dataset和分类模型  .mp4  159.13M
|   |   ├──章节11-11模型训练和预测简介  .mp4  195.89M
|   |   ├──章节11-12Inception网络结构简介  .mp4  122.97M
|   |   ├──章节11-13Inception结构代码实现（一）  .mp4  211.53M
|   |   ├──章节11-14Inception结构代码实现（二）  .mp4  185.70M
|   |   ├──章节11-15Inception结构应用和优化—Googlenet和inception_v3简介  .mp4  81.60M
|   |   ├──章节11-1Resnet和残差结构介绍  .mp4  122.96M
|   |   ├──章节11-2Resnet结构代码实现（一）  .mp4  138.55M
|   |   ├──章节11-3Resnet结构代码实现（二）  .mp4  151.81M
|   |   ├──章节11-4DenseNet模型简介  .mp4  103.08M
|   |   ├──章节11-5DenseNet提取图片特征—获取图片和标签  .mp4  231.88M
|   |   ├──章节11-6类别编码、划分测试数据和训练数据  .mp4  117.13M
|   |   ├──章节11-7创建输入Dataset  .mp4  150.30M
|   |   ├──章节11-8创建Dataloader并可视化  .mp4  62.82M
|   |   └──章节11-9使用DenseNet卷积提取特征  .mp4  78.10M
|   ├──12.图像定位  
|   |   ├──章节12-1常见图像处理任务和图像定位原理  .mp4  120.36M
|   |   ├──章节12-2图像定位实例—数据观察与理解  .mp4  197.54M
|   |   ├──章节12-3 目标值得解析和可视化  .mp4  126.79M
|   |   ├──章节12-4 数据集路径读取与筛选  .mp4  105.58M
|   |   ├──章节12-5 解析xml目标值  .mp4  86.12M
|   |   ├──章节12-6 创建Dataset  .mp4  140.53M
|   |   ├──章节12-7 创建dataloader和图像可视化  .mp4  99.19M
|   |   ├──章节12-8 创建图像定位模型  .mp4  111.93M
|   |   └──章节12-9 图像定位模型训练和预测  .mp4  107.18M
|   ├──13.Unet图像语义分割  
|   |   ├──章节13-1 图像语义分割简介  .mp4  78.63M
|   |   ├──章节13-10 前向传播部分  .mp4  119.43M
|   |   ├──章节13-11 模型训练-  .mp4  120.16M
|   |   ├──章节13-12 模型测试  .mp4  126.15M
|   |   ├──章节13-13 模型预测  .mp4  91.67M
|   |   ├──章节13-2 UNET语义分割结构介绍  .mp4  115.26M
|   |   ├──章节13-3 语义分割输入输出 反卷积和Iou指标  .mp4  82.45M
|   |   ├──章节13-4 Unet 语义分割数据观察  .mp4  108.99M
|   |   ├──章节13-5 创建dataset输入  .mp4  176.88M
|   |   ├──章节13-6 创建和测试dataset并绘图  .mp4  99.49M
|   |   ├──章节13-7 下采样模型-  .mp4  107.90M
|   |   ├──章节13-8 上采样模型  .mp4  119.39M
|   |   └──章节13-9 unet模型初始化部分  .mp4  144.42M
|   ├──14.LinNet图像语义分割  
|   |   ├──14-2 无视频（课后作业，大家自己写出这个模型）  .mp4  43.46M
|   |   ├──章节14 -7 解码器模块  .mp4  106.57M
|   |   ├──章节14-1 LinkNet 图像语义分割简介  .mp4  81.02M
|   |   ├──章节14-10 模型前向传播  .mp4  82.91M
|   |   ├──章节14-11 模型训练和Iou指标  .mp4  89.27M
|   |   ├──章节14-3 代码组织结构  .mp4  85.64M
|   |   ├──章节14-4 卷积模块  .mp4  98.42M
|   |   ├──章节14-5 反卷积  .mp4  115.27M
|   |   ├──章节14-6 编码器模块  .mp4  123.83M
|   |   ├──章节14-8 输入和编码部分初始化  .mp4  98.50M
|   |   └──章节14-9 解码器和输出部分初始化  .mp4  100.69M
|   ├──15.文本分类与词嵌入表示  
|   |   ├──章节15-1 文本表示与词嵌入  .mp4  85.94M
|   |   ├──章节15-2 文本向量化流程与分词  .mp4  86.08M
|   |   ├──章节15-3 文本向量化实现  .mp4  122.44M
|   |   ├──章节15-4 简单文本分类  .mp4  106.32M
|   |   ├──章节15-5 创建词表-认识数据集  .mp4  110.03M
|   |   ├──章节15-6 模型训练  .mp4  139.98M
|   |   └──章节15-7 使用预训练的词向量  .mp4  136.76M
|   ├──16.Rnn循环神经网络  
|   |   ├──章节 16-6 GRU网络简介  .mp4  28.69M
|   |   ├──章节16-1 Rnn循环神经网络介绍  .mp4  84.59M
|   |   ├──章节16-2 RnnCell在序列上展开模型实现  .mp4  190.55M
|   |   ├──章节16-3 RnnCell简单文本分类模型  .mp4  146.20M
|   |   ├──章节16-4 Lstm网络简介  .mp4  59.73M
|   |   ├──章节16-5 LstmMcell实现文本分类  .mp4  93.61M
|   |   └──章节16-7 Lstm 高价API  .mp4  156.27M
|   ├──17（二）. 中文外卖评论情绪分类  
|   |   ├──章节17-1（案例二） 中文外卖评论情绪分类-上  .mp4  134.12M
|   |   ├──章节17-2（案例二） 中文外卖评论情绪分类-下  .mp4  123.94M
|   |   └──章节17-3 RNN的优化方法  .mp4  107.73M
|   ├──17（一）. twitter 评论情绪分类  
|   |   ├──章节17-1 twitter 评论情绪分类-数据读取与观察  .mp4  146.89M
|   |   ├──章节17-2 twitter 评论情绪分类-创建词表  .mp4  111.25M
|   |   ├──章节17-3 划分训练测试数据，创建dataset  .mp4  74.52M
|   |   ├──章节17-4 基础文本分类模型  .mp4  73.72M
|   |   └──章节17-5 Lstm 文本分类模型  .mp4  188.42M
|   ├──18.注意力机制  
|   |   ├──章节18-1 seq2seq简介  .mp4  61.44M
|   |   ├──章节18-2 注意力机制简介  .mp4  70.31M
|   |   ├──章节18-3 自注意力机制简介  .mp4  82.45M
|   |   ├──章节18-4 transformer 简介  .mp4  165.47M
|   |   └──章节18-5 transformer 文本分类小案例  .mp4  99.12M
|   ├──19. Rnn序列预测-北京空气质量  
|   |   ├──章节19-1 数据读取与观察  .mp4  139.42M
|   |   ├──章节19-2 数据预处理  .mp4  95.21M
|   |   ├──章节19-3 数据预处理  .mp4  159.69M
|   |   ├──章节19-4 数据预处理  .mp4  92.95M
|   |   ├──章节19-5 创建dataset 输入  .mp4  80.01M
|   |   ├──章节19-6 创建时序预测模型  .mp4  100.61M
|   |   ├──章节19-7 模型训练跟预测  .mp4  176.06M
|   |   └──章节19-8 模型预测演示  .mp4  186.48M
|   ├──2.深度学习基础与线性回归实例  
|   |   ├──章节2-1机器学习基础-线性回归  .mp4  50.52M
|   |   ├──章节2-2收入数据集读取与观察  .mp4  111.73M
|   |   ├──章节2-3初始化模型、损失函数和优化方法  .mp4  147.34M
|   |   └──章节2-4模型训练与结果可视化  .mp4  147.98M
|   ├──20. Tensorboard可视化  
|   |   ├──章节20-1 Tensorboard 安装与导入  .mp4  87.80M
|   |   ├──章节20-2 Tensorboard 可视化  .mp4  68.63M
|   |   ├──章节20-3 Tensorboadr 网络模型结构可视化  .mp4  68.28M
|   |   └──章节20-4 标量数据可视化  .mp4  80.31M
|   ├──21.一维卷积网络  
|   |   ├──章节21-1 一维卷积原理与网络结构  .mp4  92.20M
|   |   ├──章节21-2 中文分词  .mp4  109.09M
|   |   ├──章节21-3 创建词表  .mp4  95.97M
|   |   ├──章节21-4 划分数据集  .mp4  108.08M
|   |   ├──章节21-5 批处理函数  .mp4  135.03M
|   |   ├──章节21-6 模型初始化  .mp4  118.45M
|   |   └──章节21-7模型前向传播与训练  .mp4  81.09M
|   ├──23.语义分割图片的标注——Labelme使用教程  
|   |   ├──[23.1]--Labelme的安装和单张图片的标注  .mp4  31.05M
|   |   ├──[23.2]--从标注文件生成图像语义分割数据集  .mp4  30.43M
|   |   └──[23.3]--标注图片的读取和验证  .mp4  23.84M
|   ├──24.多任务学习  
|   |   ├──[24.1]--多任务学习简介  .mp4  15.83M
|   |   ├──[24.2]--多任务标签预处理  .mp4  32.11M
|   |   ├──[24.3]--创建dataset  .mp4  47.09M
|   |   ├──[24.4]--多任务模型创建(一)  .mp4  31.95M
|   |   ├──[24.5]--多任务模型创建(二)  .mp4  16.92M
|   |   └──[24.6]--多任务模型的训练  .mp4  40.00M
|   ├──25.目标识别与目标检测  
|   |   ├──[25.10]--目标识别标注文件的解析（一）  .mp4  48.70M
|   |   ├──[25.11]--目标识别标注文件的解析（二）  .mp4  24.69M
|   |   ├──[25.12]--创建输入Dataset  .mp4  54.40M
|   |   ├──[25.13]--创建dataloader、初始化模型和优化器  .mp4  42.37M
|   |   ├──[25.14]--目标识别的模型训练  .mp4  34.37M
|   |   ├──[25.15]--目标识别的模型预测  .mp4  47.89M
|   |   ├──[25.1]--目标识别综述——two_stage目标检测算法  .mp4  22.87M
|   |   ├──[25.2]--目标识别综述——one_stage目标检测算法  .mp4  31.84M
|   |   ├──[25.3]--PyTorch内置的目标检测模块  .mp4  22.17M
|   |   ├──[25.4]--使用PyTorch内置目标检测模块  .mp4  24.65M
|   |   ├──[25.5]--目标识别预测结果解读与可视化  .mp4  33.77M
|   |   ├──[25.6]--PyTorch目标检测的使用  .mp4  29.40M
|   |   ├──[25.7]--目标检测的图像标注  .mp4  22.59M
|   |   ├──[25.8]--标注自有数据集并安装所需的库  .mp4  34.70M
|   |   └──[25.9]--修改PyTorch内置目标检测模型的输出  .mp4  29.32M
|   ├──3.pytorch张量  
|   |   ├──章节3-1Pytorch张量与数据类型  .mp4  266.81M
|   |   ├──章节3-2张量运算与形状变换  .mp4  82.37M
|   |   ├──章节3-3张量微分运算  .mp4  144.81M
|   |   └──章节3-4入门实例的分解写法-  .mp4  209.33M
|   ├──4.逻辑回归与多层感知机  
|   |   ├──章节4-10添加正确率和验证数据  .mp4  275.41M
|   |   ├──章节4-1逻辑回归简介与数据预处理  .mp4  135.37M
|   |   ├──章节4-2逻辑回归模型的创建与训练  .mp4  221.93M
|   |   ├──章节4-3多层感知器简介  .mp4  84.06M
|   |   ├──章节4-4多层感知器实例-数据预处理  .mp4  193.71M
|   |   ├──章节4-5多层感知器模型创建  .mp4  110.45M
|   |   ├──章节4-6多层感知器模型改写与解释  .mp4  125.26M
|   |   ├──章节4-7多层感知器模型训练  .mp4  97.00M
|   |   ├──章节4-8使用Dataset和Dataloader加载模型数据  .mp4  165.81M
|   |   └──章节4-9划分验证数据和测试数据  .mp4  187.46M
|   ├──5.多分类问题  
|   |   ├──章节5-1Softmax多分类与鸢尾花数据集预处理  .mp4  157.03M
|   |   ├──章节5-2多分类模型创建与损失函数  .mp4  142.84M
|   |   ├──章节5-3多分类模型训练与调试  .mp4  230.82M
|   |   ├──章节5-4编写通用训练函数（一）  .mp4  205.63M
|   |   └──章节5-5编写通用训练函数（二）  .mp4  256.20M
|   ├──6.手写数字全连接模型  
|   |   ├──章节6-1MNIST数据集的下载和使用  .mp4  182.36M
|   |   ├──章节6-2认识手写数据集MNIST  .mp4  163.06M
|   |   └──章节6-3MNIST数据集全连接模型训练  .mp4  156.83M
|   ├──7.基础部分总结  
|   |   ├──章节7-1梯度下降算法与学习速率  .mp4  107.89M
|   |   ├──章节7-2反向传播算法与优化器  .mp4  119.41M
|   |   ├──章节7-3基础部分知识点总结  .mp4  191.62M
|   |   └──章节7-4基础部分作业——Fashi-MNIST数据分类  .mp4  38.42M
|   ├──8.计算机视觉基础  
|   |   ├──章节8-10Dropout抑制过拟合  .mp4  89.52M
|   |   ├──章节8-11Dropout代码实现-  .mp4  173.38M
|   |   ├──章节8-12批标准化（Batch Normalization）简介  .mp4  111.44M
|   |   ├──章节8-13Batch Normalization层的代码实现  .mp4  172.49M
|   |   ├──章节8-14超参数选择原则  .mp4  56.63M
|   |   ├──章节8-1什么是卷积  .mp4  139.92M
|   |   ├──章节8-2卷积模型的整体架构  .mp4  119.92M
|   |   ├──章节8-3卷积模型解决手写数字分类  .mp4  351.19M
|   |   ├──章节8-4使用GPU加速训练  .mp4  225.86M
|   |   ├──章节8-5卷积模型基础实例—四种天气数据集  .mp4  343.65M
|   |   ├──章节8-6读取、预处理图片并创建Dataset  .mp4  112.08M
|   |   ├──章节8-7创建Dataloader和可视化图片  .mp4  202.97M
|   |   ├──章节8-8四种天气分类模型的创建  .mp4  185.80M
|   |   └──章节8-9卷积模型的训练  .mp4  110.73M
|   └──9.预训练模型(迁移学习)  
|   |   ├──章节9-1预训练模型与VGG架构  .mp4  151.68M
|   |   ├──章节9-2预训练模型的使用介绍  .mp4  109.67M
|   |   ├──章节9-3预训练模型VGG的代码实现  .mp4  152.14M
|   |   ├──章节9-4图像数据增强  .mp4  228.33M
|   |   ├──章节9-5学习速率衰减  .mp4  160.28M
|   |   ├──章节9-6RESNET预训练模型  .mp4  180.71M
|   |   ├──章节9-7微调与迁移学习  .mp4  166.68M
|   |   └──章节9-8模型权重保存  .mp4  222.87M
└──课程资料  
|   ├──参考代码和部分数据集  
|   |   └──参考代码  
|   ├──Miniconda3和conda配置文件  .zip  50.54M
|   ├──unet_model权重_建议还是自己训练  .zip  122.07M
|   ├──VC_redist.x64  .exe  14.28M
|   ├──常见预训练模型权重  .zip  827.58M
|   ├──大型数据集  .zip  2.97G
|   ├──课件  .zip  7.08M
|   └──文本分类数据集  .zip  1.44M

游客，如果您要查看本帖隐藏内容请回复

李才哥

啥也不说了，感谢楼主分享哇！

dragon_fly

啥也不说了，感谢楼主分享哇！

cwz427

啥也不说了，感谢楼主分享哇！

jacck

啥也不说了，感谢楼主分享哇！

z935642417

啥也不说了，感谢楼主分享哇！

csa

啥也不说了，感谢楼主分享哇！

willicn663

啥也不说了，感谢楼主分享哇！

kingdee

啥也不说了，感谢楼主分享哇！

shadongjun

啥也不说了，感谢楼主分享哇！