【16352】-深度学习核心框架PyTorch （唐宇迪）
01 PyTorch框架介绍与配置安装
01 PyTorch框架与其他框架区别分析 .mp4
02 CPU与GPU版本安装方法解读 .mp4
02 使用神经网络进行分类任务
01 数据集与任务概述.mp4
02 基本模块应用测试.mp4
03 网络结构定义方法.mp4
04 数据源定义简介.mp4
05 损失与训练模块分析.mp4
06 训练一个基本的分类模型.mp4
07 参数对结果的影响.mp4
03神经网络回归任务-气温预测
01神经网络回归任务-气温预测.mp4
04 卷积网络参数解读分析
04 卷积网络参数解读分析
01输入特征通道分析.mp4
02 卷积网络参数解读.mp4
03卷积网络模型训练.mp4
05 图像识别模型与训练策略（重点）
01任务分析与图像数据基本处理.mp4
02 数据增强模块.mp4
03 数据集与模型选择.mp4
04 迁移学习方法解读.mp4
05 输出层与梯度设置.mp4
06输出类别个数修改.mp4
07优化器与学习率衰减.mp4
08模型训练方法.mp4
09重新训练全部模型.mp4
10 测试结果演示分析.mp4
06 DataLoader自定义数据集制作
01 Dataloader要完成的任务分析.mp4
02 图像数据与标签路径处理.mp4
03 Dataloader中需要实现的方法分析.mp4
04实用Dataloader加载数据并训练模型.mp4
07 LSTM文本分类实战
01数据集与任务目标分析.mp4
02文本数据处理基本流程分析.mp4
03命令行参数与DEBUG.mp4
04训练模型所需基本配置参数分析.mp4
05 预料表与字符切分.mp4
06字符预处理转换ID.mp4
07 LSTM网络结构基本定义.mp4
08 网络模型预测结果输出.mp4
09 模型训练任务与总结.mp4
08 PyTorch框架Flask部署例子
01基本结构与训练好的模型加载 .mp4
02服务端处理与预测函数.mp4
03基于Flask测试模型预测结果 .mp4
配套资源