PyTorch入门到进阶 实战计算机视觉与自然语言处理项目

PyTorch入门到进阶，实战计算机视觉与自然语言处理

课程推荐

《PyTorch入门到进阶 实战计算机视觉与自然语言处理项目》PyTorch入门到进阶，实战计算机视觉与自然语言处理【技能收获】学完可掌握：Linux 运维。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（136 节）

*   1-1 课程导学.mp4

*   2-1 初识Pytorch基本框架.mp4

*   2-3 环境配置（1）.mp4

*   2-4 环境配置（2）.mp4

*   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

*   3-2 Tensor的基本定义.mp4

*   3-3 Tensor与机器学习的关系.mp4

*   3-4 Tensor创建编程实例.mp4

*   3-5 Tensor的属性.mp4

*   3-6 Tensor的属性-稀疏的张量的编程实践.mp4

*   3-7 Tensor的算术运算.mp4

*   3-8 Tensor的算术运算编程实例.mp4

*   3-9 in-place的概念和广播机制.mp4

*   3-10 取整-余.mp4

*   3-11 比较运算-排序-topk-kthvalue-数据合法性校验.mp4

*   3-12 三角函数.mp4

*   3-13 其他数学函数.mp4

*   3-14 Pytorch与统计学方法.mp4

*   3-15 Pytorch与分布函数.mp4

*   3-16 Pytorch与随机抽样.mp4

*   3-17 Pytorch与线性代数运算.mp4

*   3-18 Pytorch与矩阵分解-PCA.mp4

*   3-19 Pytorch与矩阵分解-SVD分解-LDA.mp4

*   3-20 Pytorch与张量裁剪.mp4

*   3-21 Pytorch与张量的索引与数据筛选.mp4

*   3-22 Pytorch与张量组合与拼接.mp4

*   3-23 Pytorch与张量切片.mp4

*   3-24 Pytorch与张量变形.mp4

*   3-25 Pytorch与张量填充&傅里叶变换.mp4

*   3-26 Pytorch简单编程技巧.mp4

*   3-27 Pytorch与autograd-导数-方向导数-偏导数-梯度的概念.mp4

*   3-28 Pytorch与autograd-梯度与机器学习最优解.mp4

*   3-29 Pytorch与autograd-Variable$tensor.mp4

*   3-30 Pytorch与autograd-如何计算梯度.mp4

*   3-31 Pytorch与autograd中的几个重要概念-variable-grad-grad_fn.mp4

*   3-32 Pytorch与autograd中的几个重要概念-autograd例子.mp4

*   3-33 Pytorch与autograd中的几个重要概念-function.mp4

*   3-34 Pytorch与nn库.mp4

*   3-35 Pytorch与visdom.mp4

*   3-36 Pytorch与tensorboardX.mp4

*   3-37 Pytorch与torchvision.mp4

*   4-1 机器学习和神经网络的基本概念（1）.mp4

*   4-2 机器学习和神经网络的基本概念（2）.mp4

*   4-3 利用神经网络解决分类和回归问题（1）.mp4

*   4-4 利用神经网络解决分类和回归问题（2）.mp4

*   4-5 利用神经网络解决分类和回归问题（3）.mp4

*   4-6 利用神经网络解决分类和回归问题（4）.mp4

*   4-7 利用神经网络解决分类和回归问题（5）.mp4

*   5-1 计算机视觉基本概念.mp4

*   5-2 图像处理常见概念.mp4

*   5-3 特征工程.mp4

*   5-4 卷积神经网（上）.mp4

*   5-5 卷积神经网（下）.mp4

*   5-6 pooling层.mp4

*   5-7 激活层-BN层-FC层-损失层.mp4

*   5-8 经典卷积神经网络结构.mp4

*   5-9 轻量型网络结构.mp4

*   5-10 多分支网络结构.mp4

*   5-11 attention的网络结构.mp4

*   5-12 学习率.mp4

*   5-13 优化器.mp4

*   5-14 卷积神经网添加正则化.mp4

*   6-1 图像分类网络模型框架解读（上）.mp4

*   6-2 图像分类网络模型框架解读（下）.mp4

*   6-3 cifar10数据介绍-读取-处理（上）.mp4

*   6-4 cifar10数据介绍-读取-处理（下）.mp4

*   6-5 PyTorch自定义数据加载-加载Cifar10数据.mp4

*   6-6 PyTorch搭建 VGGNet 实现Cifar10图像分类.mp4

*   6-7 PyTorch搭建cifar10训练脚本-tensorboard记录LOG（上）.mp4

*   6-8 PyTorch搭建cifar10训练脚本-tensorboard记录LOG（下）.mp4

*   6-9 PyTorch搭建cifar10训练脚本搭建-ResNet结构（上）.mp4

*   6-10 PyTorch搭建cifar10训练脚本搭建-ResNet结构（下）.mp4

*   6-11 PyTorch搭建cifar10训练脚本搭建-Mobilenetv1结构.mp4

*   6-12 PyTorch搭建cifar10训练脚本搭建-Inception结构（上）.mp4

*   6-13 PyTorch搭建cifar10训练脚本搭建-Inception结构（下）.mp4

*   6-14 PyTorch搭建cifar10训练脚本搭建-调用Pytorch标准网络ResNet18等.mp4

*   6-15 PyTorch搭建cifar10推理测试脚本搭建.mp4

*   6-16 分类问题优化思路.mp4

*   6-17 分类问题最新研究进展和方向.mp4

*   7-1 目标检测问题介绍（上）.mp4

*   7-2 目标检测问题介绍（下）.mp4

*   7-3 Pascal VOC-COCO数据集介绍.mp4

*   7-4 MMdetection框架介绍-安装说明.mp4

*   7-5 MMdetection框架使用说明.mp4

*   7-7 MMdetection训练Passcal VOC目标检测任务（上）.mp4

*   7-8 MMdetection训练Passcal VOC目标检测任务（中）.mp4

*   7-9 MMdetection训练Passcal VOC目标检测任务（下）.mp4

*   7-10 MMdetection Test脚本.mp4

*   7-11 MMdetection LOG分析.mp4

*   8-1 图像分割基本概念.mp4

*   8-2 图像分割方法介绍.mp4

*   8-3 图像分割评价指标及目前面临的挑战.mp4

*   8-4 COCO数据集介绍.mp4

*   8-5 detectron框架介绍和使用简单说明.mp4

*   8-6 coco数据集标注文件解析.mp4

*   8-7 detectron源码解读和模型训练-demo测试.mp4

*   9-1 GAN的基础概念和典型模型介绍（上）.mp4

*   9-2 GAN的基础概念和典型模型介绍（下）.mp4

*   9-3 图像风格转换数据下载与自定义dataset类.mp4

*   9-4 cycleGAN模型搭建-model.mp4

*   9-5 cycleGAN模型搭建-train（上）.mp4

*   9-6 cycleGAN模型搭建-train（下）.mp4

*   9-7 cycleGAN模型搭建-test.mp4

*   10-1 RNN网络基础.mp4

*   10-2 RNN常见网络结构-simple RNN网络.mp4

*   10-3 Bi-RNN网络.mp4

*   10-4 LSTM网络基础.mp4

*   10-5 Attention结构.mp4

*   10-6 Transformer结构.mp4

*   10-7 BERT结构.mp4

*   10-8 NLP基础概念介绍.mp4

*   11-1 文本情感分析-情感分类概念介绍.mp4

*   11-2 文本情感分类关键流程介绍.mp4

*   11-3 文本情感分类之文本预处理.mp4

*   11-4 文本情感分类之特征提取与文本表示.mp4

*   11-5 文本情感分类之深度学习模型.mp4

*   11-6 文本情感分类-数据准备.mp4

*   11-7 文本情感分类-dataset类定义.mp4

*   11-8 文本情感分类-model类定义.mp4

*   11-9 文本情感分类-train脚本定义.mp4

*   11-10 文本情感分类-test脚本定义.mp4

*   12-1 机器翻译相关方法-应用场景-评价方法.mp4

*   12-2 Seq2Seq-Attention编程实例数据准备-模型结构-相关函数.mp4

*   12-3 Seq2Seq-Attention编程实例-定义数据处理模块.mp4

*   12-4 Seq2Seq-Attention编程实例-定义模型结构模块（上）.mp4

*   12-5 Seq2Seq-Attention编程实例-定义模型结构模块（下）.mp4

*   12-6 Seq2Seq-Attention编程实例-定义train模块（上）.mp4

*   12-7 Seq2Seq-Attention编程实例-定义train模块（下）.mp4

*   12-8 Seq2Seq-Attention编程实例-定义train模块-loss function.mp4

*   12-9 Seq2Seq-Attention编程实例-定义eval模块.mp4

*   13-1 PyTorch模型开发与部署基础平台介绍.mp4

*   13-2 PyTorch工程化基础--Torchscript.mp4

*   13-3 PyTorch服务端发布平台--Torchserver.mp4

*   13-4 PyTorch终端推理基础--ONNX.mp4

*   14-1 linux操作基础串讲.mp4

*   15-1 课程总结.mp4