正版资源 getfromcodeAI
mksz440-PyTorch入门到进阶 实战计算机视觉与自然语言处理项目
mksz440-PyTorch入门到进阶 实战计算机视觉与自然语言处理项目 深度学习实战，PyTorch应用 编辑点评 系统讲解PyTorch框架，涵盖图像分类、目标检测、文本情感分析等实战项目，适合有深度学习基础的学习者。 ⭐ 编辑推荐 本课程从PyTorch入门到进阶，通过实战项目深入理解计算机
单课价¥29.90新品 上架
正版保障 极速发货 售后无忧
mksz440-PyTorch入门到进阶 实战计算机视觉与自然语言处理项目
深度学习实战，PyTorch应用
编辑点评
系统讲解PyTorch框架，涵盖图像分类、目标检测、文本情感分析等实战项目，适合有深度学习基础的学习者。
⭐ 编辑推荐
本课程从PyTorch入门到进阶，通过实战项目深入理解计算机视觉与自然语言处理。
✨ 课程亮点
✦PyTorch框架深入讲解
✦实战项目丰富
✦涵盖图像分类、目标检测、文本情感分析
课程目录
第6章 PyTorch实战计算机视觉任务-Cifar10图像分类19 集
- 第6章 PyTorch实战计算机视觉任务-Cifar10图像分类说明(1).png [493.5 KB]
- 6-16 分类问题优化思路.mp4 [157.6 MB]
- 6-5 PyTorch自定义数据加载-加载Cifar10数据.mp4 [84.2 MB]
- 6-1 图像分类网络模型框架解读（上）.mp4 [92.0 MB]
- 6-15 PyTorch搭建cifar10推理测试脚本搭建.mp4 [45.8 MB]
- 第6章 PyTorch实战计算机视觉任务-Cifar10图像分类说明.png [493.5 KB]
- 6-8 PyTorch搭建cifar10训练脚本-tensorboard记录LOG（下）.mp4 [105.0 MB]
- 6-13 PyTorch搭建cifar10训练脚本搭建-Inception结构（下）.mp4 [50.1 MB]
- 6-10 PyTorch搭建cifar10训练脚本搭建-ResNet结构（下）.mp4 [58.2 MB]
- 6-9 PyTorch搭建cifar10训练脚本搭建-ResNet结构（上）.mp4 [93.2 MB]
- 6-17 分类问题最新研究进展和方向.mp4 [43.1 MB]
- 6-11 PyTorch搭建cifar10训练脚本搭建-Mobilenetv1结构.mp4 [66.5 MB]
- 6-3 cifar10数据介绍-读取-处理（上）.mp4 [66.3 MB]
- 6-12 PyTorch搭建cifar10训练脚本搭建-Inception结构（上）.mp4 [84.0 MB]
- 6-4 cifar10数据介绍-读取-处理（下）.mp4 [59.0 MB]
- 6-2 图像分类网络模型框架解读（下）.mp4 [90.1 MB]
- 6-6 PyTorch搭建 VGGNet 实现Cifar10图像分类.mp4 [81.8 MB]
- 6-14 PyTorch搭建cifar10训练脚本搭建-调用Pytorch标准网络ResNet18等.mp4 [34.9 MB]
- 6-7 PyTorch搭建cifar10训练脚本-tensorboard记录LOG（上）.mp4 [81.2 MB]
第8章 PyTorch实战计算机视觉任务-COCO目标分割问题9 集
- 第8章 PyTorch实战计算机视觉任务-COCO目标分割问题资料.png [493.5 KB]
- 8-7 detectron源码解读和模型训练-demo测试.mp4 [206.0 MB]
- 8-6 coco数据集标注文件解析.mp4 [54.2 MB]
- 第8章 PyTorch实战计算机视觉任务-COCO目标分割问题文档.png [493.5 KB]
- 8-3 图像分割评价指标及目前面临的挑战.mp4 [79.5 MB]
- 8-5 detectron框架介绍和使用简单说明.mp4 [57.3 MB]
- 8-2 图像分割方法介绍.mp4 [113.8 MB]
- 8-4 COCO数据集介绍.mp4 [26.5 MB]
- 8-1 图像分割基本概念.mp4 [59.8 MB]
第15章 课程总结与回顾2 集
- 第15章 课程总结与回顾必看.zip [1.8 MB]
- 15-1 课程总结.mp4 [65.2 MB]
第1章 课程介绍-选择Pytorch的理由2 集
- 第1章 课程介绍-选择Pytorch的理由文档.png [493.5 KB]
- 1-1 课程导学.mp4 [84.4 MB]
第13章 PyTorch工程应用介绍6 集
- 第13章 PyTorch工程应用介绍必看.png [493.5 KB]
- 第13章 PyTorch工程应用介绍资料.png [493.5 KB]
- 13-4 PyTorch终端推理基础--ONNX.mp4 [36.2 MB]
- 13-3 PyTorch服务端发布平台--Torchserver.mp4 [37.8 MB]
- 13-1 PyTorch模型开发与部署基础平台介绍.mp4 [57.7 MB]
- 13-2 PyTorch工程化基础--Torchscript.mp4 [50.7 MB]
第2章 初识PyTorch框架与环境搭建5 集
- 第2章 初识PyTorch框架与环境搭建文档(1).zip [1.8 MB]
- 第2章 初识PyTorch框架与环境搭建文档.zip [1.8 MB]
- 2-1 初识Pytorch基本框架.mp4 [66.8 MB]
- 2-3 环境配置（1）.mp4 [80.7 MB]
- 2-4 环境配置（2）.mp4 [51.5 MB]
第7章 Pytorch实战计算机视觉任务-Pascal VOC目标检测问题9 集
- 7-8 MMdetection训练Passcal VOC目标检测任务（中）.mp4 [89.6 MB]
- 7-10 MMdetection Test脚本.mp4 [20.0 MB]
- 7-5 MMdetection框架使用说明.mp4 [68.0 MB]
- 7-9 MMdetection训练Passcal VOC目标检测任务（下）.mp4 [69.1 MB]
- 7-7 MMdetection训练Passcal VOC目标检测任务（上）.mp4 [96.7 MB]
- 7-3 Pascal VOC-COCO数据集介绍.mp4 [29.3 MB]
- 7-4 MMdetection框架介绍-安装说明.mp4 [82.3 MB]
- 7-1 目标检测问题介绍（上）.mp4 [79.3 MB]
- 7-2 目标检测问题介绍（下）.mp4 [89.8 MB]
第11章 PyTorch实战中文文本情感分类问题10 集
- 11-2 文本情感分类关键流程介绍.mp4 [13.8 MB]
- 11-3 文本情感分类之文本预处理.mp4 [40.4 MB]
- 11-6 文本情感分类-数据准备.mp4 [90.8 MB]
- 11-7 文本情感分类-dataset类定义.mp4 [67.5 MB]
- 11-8 文本情感分类-model类定义.mp4 [64.6 MB]
- 11-1 文本情感分析-情感分类概念介绍.mp4 [67.0 MB]
- 11-5 文本情感分类之深度学习模型.mp4 [48.6 MB]
- 11-10 文本情感分类-test脚本定义.mp4 [29.3 MB]
- 11-4 文本情感分类之特征提取与文本表示.mp4 [26.7 MB]
- 11-9 文本情感分类-train脚本定义.mp4 [79.3 MB]
第9章 PyTorch搭建GAN网络实战图像风格迁移3 集
- 9-1 GAN的基础概念和典型模型介绍（上）.mp4 [82.8 MB]
- 9-2 GAN的基础概念和典型模型介绍（下）.mp4 [70.8 MB]
- 9-3 图像风格转换数据下载与自定义dataset类.mp4 [63.7 MB]
第10章 循环神经网与NLP基础串讲9 集
- 10-3 Bi-RNN网络.mp4 [29.5 MB]
- 第10章 循环神经网与NLP基础串讲说明.zip [1.8 MB]
- 10-5 Attention结构.mp4 [54.5 MB]
- 10-2 RNN常见网络结构-simple RNN网络.mp4 [66.7 MB]
- 10-8 NLP基础概念介绍.mp4 [94.6 MB]
- 10-7 BERT结构.mp4 [36.5 MB]
- 10-6 Transformer结构.mp4 [74.9 MB]
- 10-1 RNN网络基础.mp4 [47.6 MB]
- 10-4 LSTM网络基础.mp4 [73.7 MB]
第4章 PyTorch搭建简单神经网络8 集
- 4-5 利用神经网络解决分类和回归问题（3）.mp4 [72.6 MB]
- 4-1 机器学习和神经网络的基本概念（1）.mp4 [117.3 MB]
- 第4章 PyTorch搭建简单神经网络必看.zip [1.8 MB]
- 4-6 利用神经网络解决分类和回归问题（4）.mp4 [66.7 MB]
- 4-3 利用神经网络解决分类和回归问题（1）.mp4 [106.6 MB]
- 4-2 机器学习和神经网络的基本概念（2）.mp4 [103.8 MB]
- 4-7 利用神经网络解决分类和回归问题（5）.mp4 [72.8 MB]
- 4-4 利用神经网络解决分类和回归问题（2）.mp4 [101.2 MB]
第5章 计算机视觉与卷积神经网络基础串讲11 集
- 5-9 轻量型网络结构.mp4 [51.7 MB]
- 5-1 计算机视觉基本概念.mp4 [141.3 MB]
- 5-2 图像处理常见概念.mp4 [132.7 MB]
- 第5章 计算机视觉与卷积神经网络基础串讲资料.zip [1.8 MB]
- 5-10 多分支网络结构.mp4 [31.2 MB]
- 5-4 卷积神经网（上）.mp4 [77.3 MB]
- 5-14 卷积神经网添加正则化.mp4 [26.9 MB]
- 5-8 经典卷积神经网络结构.mp4 [67.6 MB]
- 5-11 attention的网络结构.mp4 [48.8 MB]
- 5-7 激活层-BN层-FC层-损失层.mp4 [82.4 MB]
- 5-5 卷积神经网（下）.mp4 [64.0 MB]
第3章 PyTorch入门基础串讲22 集
- 3-13 其他数学函数.mp4 [35.7 MB]
- 3-19 Pytorch与矩阵分解-SVD分解-LDA.mp4 [102.3 MB]
- 3-28 Pytorch与autograd-梯度与机器学习最优解.mp4 [109.9 MB]
- 3-32 Pytorch与autograd中的几个重要概念-autograd例子.mp4 [79.1 MB]
- 第3章 PyTorch入门基础串讲资料.zip [1.8 MB]
- 3-21 Pytorch与张量的索引与数据筛选.mp4 [146.7 MB]
- 3-27 Pytorch与autograd-导数-方向导数-偏导数-梯度的概念.mp4 [64.1 MB]
- 3-11 比较运算-排序-topk-kthvalue-数据合法性校验.mp4 [102.7 MB]
- 3-17 Pytorch与线性代数运算.mp4 [55.5 MB]
- 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 [62.1 MB]
- 3-31 Pytorch与autograd中的几个重要概念-variable-grad-grad_fn.mp4 [69.7 MB]
- 3-8 Tensor的算术运算编程实例.mp4 [93.5 MB]
- 3-6 Tensor的属性-稀疏的张量的编程实践.mp4 [42.9 MB]
- 3-4 Tensor创建编程实例.mp4 [111.5 MB]
- 3-9 in-place的概念和广播机制.mp4 [88.1 MB]
- 3-14 Pytorch与统计学方法.mp4 [87.5 MB]
- 3-3 Tensor与机器学习的关系.mp4 [54.8 MB]
- 3-25 Pytorch与张量填充&傅里叶变换.mp4 [26.8 MB]
- 3-30 Pytorch与autograd-如何计算梯度.mp4 [22.5 MB]
- 3-33 Pytorch与autograd中的几个重要概念-function.mp4 [61.7 MB]
- 3-22 Pytorch与张量组合与拼接.mp4 [71.0 MB]
- 3-26 Pytorch简单编程技巧.mp4 [101.0 MB]
第12章 PyTorch实战机器翻译问题10 集
- 12-2 Seq2Seq-Attention编程实例数据准备-模型结构-相关函数.mp4 [33.2 MB]
- 12-3 Seq2Seq-Attention编程实例-定义数据处理模块.mp4 [93.9 MB]
- 12-4 Seq2Seq-Attention编程实例-定义模型结构模块（上）.mp4 [72.7 MB]
- 第12章 PyTorch实战机器翻译问题文档.png [493.5 KB]
- 12-6 Seq2Seq-Attention编程实例-定义train模块（上）.mp4 [72.1 MB]
- 12-9 Seq2Seq-Attention编程实例-定义eval模块.mp4 [47.3 MB]
- 12-5 Seq2Seq-Attention编程实例-定义模型结构模块（下）.mp4 [77.0 MB]
- 12-8 Seq2Seq-Attention编程实例-定义train模块-loss function.mp4 [109.6 MB]
- 12-7 Seq2Seq-Attention编程实例-定义train模块（下）.mp4 [58.2 MB]
- 12-1 机器翻译相关方法-应用场景-评价方法.mp4 [79.3 MB]
第14章 【选修】Linux操作基础串讲2 集
- 第14章 【选修】Linux操作基础串讲文档.zip [1.8 MB]
- 14-1 linux操作基础串讲.mp4 [107.2 MB]
适合人群
- 深度学习初学者
- 有深度学习基础的学习者
- 计算机视觉与自然语言处理爱好者
🎯 学习收获
- 掌握PyTorch框架
- 学会实战项目开发
- 提升计算机视觉与自然语言处理能力
🎉 祝您学习愉快！
