【7772】-深度学习与PyTorch入门实战
章节1:深度学习初见
课时1视频深度学习框架简介09:07
课时2视频PyTorch功能演示11:09
章节2:开发环境安装
课时3视频Anaconda-CUDA安装07:17
课时4视频PyTorch-PyCharm安装12:12
章节3:回归问题
课时5视频简单回归问题-109:09
课时6视频简单回归问题-214:44
课时7视频回归问题实战08:43
课时8视频分类问题引入-107:16
课时9视频分类问题引入-209:19
课时10视频手写数字识别初体验-106:09
课时11视频手写数字识别初体验-206:35
课时12视频手写数字识别初体验-307:02
课时13视频手写数字识别初体验-408:05
课时14视频手写数字识别初体验-508:16
章节4:PyTorch基础教程
课时15视频张量数据类型-109:56
课时16视频张量数据类型-214:07
课时17视频创建Tensor-110:46
课时18视频创建Tensor-212:59
课时19视频索引与切片-112:10
课时20视频索引与切片-211:30
课时21视频维度变换-107:37
课时22视频维度变换-210:01
课时23视频维度变换-307:52
课时24视频维度变换-410:23
章节5:PyTorch进阶教程
课时25视频Broadcasting-108:46
课时26视频Broadcasting-211:35
课时27视频Broadcasting-306:11
课时28视频合并与分割-110:43
课时29视频合并与分割-206:36
课时30视频数学运算-107:39
课时31视频数学运算-208:54
课时32视频属性统计-110:41
课时33视频属性统计-211:34
课时34视频高阶操作16:05
章节6:随机梯度下降
课时35视频什么是梯度-110:19
课时36视频什么是梯度-214:16
课时37视频常见函数的梯度07:18
课时38视频激活函数与Loss的梯度-113:52
课时39视频激活函数与Loss的梯度-208:52
课时40视频激活函数与Loss的梯度-306:46
课时41视频激活函数与Loss的梯度-411:57
课时42视频感知机的梯度推导-113:35
课时43视频感知机的梯度推导-213:16
课时44视频链式法则11:31
课时45视频反向传播算法-112:44
课时46视频反向传播算法-207:01
课时47视频优化问题实战08:54
章节7:神经网络与全连接层
课时48视频Logistic Regression14:12
课时49视频交叉熵-106:42
课时50视频交叉熵-209:08
课时51视频交叉熵-304:51
课时52视频多分类问题实战08:26
课时53视频全连接层13:59
课时54视频激活函数与GPU加速11:37
课时55视频MNIST测试实战12:01
课时56视频Visdom可视化13:08
章节8:过拟合
课时57视频过拟合与欠拟合14:24
课时58视频交叉验证-111:46
课时59视频交叉验证-207:38
课时60视频Regularization11:21
课时61视频动量与学习率衰减13:57
课时62视频Early stopping, dropout等14:20
章节9:卷积神经网络CNN
课时63视频什么是卷积-112:58
课时64视频什么是卷积-208:47
课时65视频卷积神经网络-111:19
课时66视频卷积神经网络-211:11
课时67视频卷积神经网络-308:43
课时68视频池化层与采样10:53
课时69视频BatchNorm-105:40
课时70视频BatchNorm-212:32
课时71视频BatchNorm-307:33
课时72视频经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-109:18
课时73视频经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-209:43
课时74视频ResNet与DenseNet-112:03
课时75视频ResNet与DenseNet-210:21
课时76视频nn.Module模块-110:17
课时77视频nn.Module模块-208:56
课时78视频数据增强12:53
章节10:CIFAR10与ResNet实战
课时79视频CIFAR10数据集介绍10:07
课时80视频卷积神经网络实战-110:07
课时81视频卷积神经网络实战-210:04
课时82视频卷积神经网络训练10:04
课时83视频ResNet实战-110:11
课时84视频ResNet实战-210:11
课时85视频ResNet实战-307:31
课时86视频ResNet实战-410:07
课时87视频实战小结12:49
章节11:循环神经网络RNN&LSTM
课时88视频时间序列表示方法14:57
课时89视频RNN原理-109:55
课时90视频RNN原理-209:39
课时91视频RNN Layer使用-109:42
课时92视频RNN Layer使用-209:01
课时93视频时间序列预测实战13:27
课时94视频梯度弥散与梯度爆炸12:50
课时95视频LSTM原理-109:01
课时96视频LSTM原理-210:53
课时97视频LSTM Layer使用08:44
课时98视频情感分类问题实战15:15
章节12:迁移学习-实战宝可梦精灵
课时99视频Pokemon数据集12:30
课时100视频数据预处理12:20
课时101视频自定义数据集实战-106:49
课时102视频自定义数据集实战-208:42
课时103视频自定义数据集实战-311:04
课时104视频自定义数据集实战-409:58
课时105视频自定义数据集实战-511:28
课时106视频自定义网络09:45
课时107视频自定义网络训练与测试07:37
课时108视频自定义网络实战07:39
课时109视频迁移学习05:35
课时110视频迁移学习实战10:09
章节13:自编码器Auto-Encoders
课时111视频无监督学习10:02
课时112视频Auto-Encoder原理10:12
课时113视频Auto-Encoder变种09:59
课时114视频Adversarial Auto-Encoder10:08
课时115视频变分Auto-Encoder引入10:12
课时116视频Reparameterization trick10:05
课时117视频变分自编码器VAE11:03
课时118视频Auto-Encoder实战-110:01
课时119视频Auto-Encoder实战-210:10
课时120视频变分Auto-Encoder实战-105:55
课时121视频变分Auto-Encoder实战-206:37
章节14:对抗生成网络GAN
课时122视频数据的分布09:11
课时123视频画家的成长历程13:04
课时124视频GAN原理10:01
课时125视频纳什均衡-D09:57
课时126视频纳什均衡-G13:42
课时127视频JS散度的缺陷16:36
课时128视频EM距离09:57
课时129视频WGAN与WGAN-GP15:43
课时130视频GAN实战-GD实现09:58
课时131视频GAN实战-网络训练17:24
课时132视频GAN实战-网络训练鲁棒性09:46
课时133视频WGAN-GP实战16:17
章节15:选看：Ubuntu开发环境安装
课时134视频Ubuntu系统安装10:01
课时135视频Anaconda安装10:10
课时136视频CUDA 10安装10:10
课时137视频环境变量配置10:05
课时138视频cudnn安装10:14
课时139视频PyCharm安装与配置10:59
章节16:选看：人工智能发展简史
课时140视频生物神经元结构04:06
课时141视频感知机的提出10:07
课时142视频BP神经网络10:07
课时143视频CNN和LSTM的发明10:19
课时144视频人工智能的低潮10:07
课时145视频深度学习的诞生10:13
课时146视频深度学习的繁荣12:13
章节17:选看：Numpy实战BP神经网络
课时147视频权值的表示10:05
课时148视频多层感知机的实现10:18
课时149视频多层感知机前向传播10:06
课时150视频多层感知机反向传播10:10
课时151视频多层感知机反向传播-210:06
课时152视频多层感知机反向传播-310:18
课时153视频多层感知机的训练10:24
课时154视频多层感知机的测试12:06
课时155视频实战小结
