深度学习 Pytorch 零基础入门到精通 视频教程

冰点也疯狂

课程目录：
6 h8 A( _& z* J8 H      ┣━━1.深度学习框架介绍
      ┃    ┗━━1.lesson1-PyTorch介绍.mp4
9 K! F) y' P& W: p" L% |& s      ┣━━2.开发环境准备
& \; I' Z1 i9 A# l. V. v9 L0 c! k      ┃    ┗━━2.lesson2-开发环境准备.mp4
      ┣━━3.初见深度学习
      ┃    ┣━━3.lesson3-初探Linear Regression案例-1.mp4
      ┃    ┣━━4.lesson3-初探Linear Regression案例-2.mp4
* N5 p9 ^0 s( _7 ^# z% H! P7 E4 j      ┃    ┣━━5.lesson4-PyTorch求解Linear Regression案例.mp4
& O, }) I, J7 J, y9 ~      ┃    ┣━━6.lesson5 -手写数字问题引入1.mp4
      ┃    ┗━━7.lesson5 -手写数字问题引入2.mp4
+ Q9 G) @6 S9 G      ┣━━4.Pytorch张量操作
! q" [' P  `% Q# `( B  U; E% _' `      ┃    ┣━━8.lesson6 基本数据类型1.mp4
      ┃    ┣━━9.lesson6 基本数据类型2.mp4
      ┃    ┣━━10.lesson7 创建Tensor 1.mp4
      ┃    ┣━━11.lesson7 创建Tensor 2.mp4
      ┃    ┣━━12.lesson8 索引与切片1.mp4
3 j3 x( q% `1 i      ┃    ┣━━13.lesson8 索引与切片2.mp4
' H: W. w" U3 D/ x      ┃    ┣━━14.lesson9 维度变换1.mp4
8 L+ T5 a7 E5 {- [7 h" q      ┃    ┣━━15.lesson9 维度变换2.mp4
      ┃    ┣━━16.lesson9 维度变换3.mp4
      ┃    ┗━━17.lesson9 维度变换4.mp4
      ┣━━5.张量高阶操作
      ┃    ┣━━18.lesson10 Broatcasting 1.mp4
      ┃    ┣━━19.lesson10 Broatcasting 2.mp4
$ c4 e) k/ m' L3 b% \/ Y      ┃    ┣━━20.lesson11 合并与切割1.mp4
$ x3 C2 k" z. J* W% T. L      ┃    ┣━━21.lesson11 合并与切割2.mp4
* P! }' Q6 x" ^      ┃    ┣━━22.lesson12 基本运算.mp4
      ┃    ┣━━23.lesson13 数据统计1.mp4
      ┃    ┣━━24.lesson13 数据统计2.mp4
      ┃    ┗━━25.lesson14 高阶OP.mp4
% |2 p" q: L* N( g$ s) {/ v      ┣━━6.随机梯度下降
8 a7 L: I; i; s, y( ]& J8 c& I6 J      ┃    ┣━━26.lesson16 什么是梯度1.mp4
      ┃    ┣━━27.lesson16 什么是梯度2.mp4
; q1 R* ~6 B. C5 f7 a' G% P      ┃    ┣━━28.lesson17 常见梯度.mp4
3 D+ J, J- N. R9 S5 C      ┃    ┣━━29.lesson18 激活函数及其梯度1.mp4
% i* I2 U, n0 M; p+ ~      ┃    ┣━━30.lesson18 激活函数及其梯度2.mp4
      ┃    ┗━━31.lesson18 激活函数及其梯度3.mp4
      ┣━━7.感知机梯度传播推导
      ┃    ┣━━32.lesson19 单一输出感知机1.mp4
      ┃    ┣━━33.lesson19 多输出Loss层2.mp4
      ┃    ┣━━34.lesson20 链式法则.mp4
      ┃    ┣━━35.lesson21 反向传播.mp4
      ┃    ┗━━36.lesson22 优化小实例.mp4
      ┣━━8.多层感知机与分类器
8 X, J+ O/ L& s* |      ┃    ┣━━37.lesson24 Logistic Regression.mp4
      ┃    ┣━━38.lesson25 交叉熵.mp4
      ┃    ┣━━39.lesson26 多分类实战.mp4
: W/ Q# A6 ~; A* _      ┃    ┣━━40.lesson27 全连接层.mp4
9 L0 M6 E) |- i, U/ Z* _; S9 L      ┃    ┣━━41.lesson28 激活函数与GPU加速.mp4
      ┃    ┣━━42.lesson29 测试.mp4
      ┃    ┗━━43.lesson30-Visdom可视化.mp4
3 C, g5 E( V3 {6 D; T, [" D$ x      ┣━━9.过拟合
      ┃    ┣━━44.lesson31-过拟合与欠拟合.mp4
( j9 Y$ @( n9 M1 T* W$ M; a2 Y0 v5 e      ┃    ┣━━45.lesson32-Train-Val-Test-交叉验证-1.mp4
8 a) x2 N  M8 r0 e5 Z( S      ┃    ┣━━46.lesson32-Train-Val-Test-交叉验证-2.mp4
$ G4 A% o1 t- l8 M      ┃    ┣━━47.lesson33-regularization.mp4
* H8 v" N+ A! O/ E4 g& f      ┃    ┣━━48.lesson34-动量与lr衰减.mp4
      ┃    ┗━━49.lesson35-early stopping, dropout, sgd.mp4
. @! y. J' e  j: T      ┣━━10.卷积神经网络CNN
% j# x& z  p( l8 q- l      ┃    ┣━━50.lesson37-什么是卷积-1.mp4
) d& q2 U* I% s2 Z6 g0 j: }      ┃    ┣━━51.lesson37-什么是卷积-2.mp4
7 e3 K+ Q2 E! W2 g  ~' i. f      ┃    ┣━━52.lesson38-卷积神经网络-1.mp4
4 `/ {) ^% o. X$ ?      ┃    ┣━━53.lesson38-卷积神经网络-2.mp4
: ]: s; ~& T# X1 _) a, q" D( T      ┃    ┣━━54.lesson38-卷积神经网络-3.mp4
, {; }- i1 `; a( k0 y      ┃    ┣━━55.lesson39-Pooling&upsample.mp4
      ┃    ┣━━56.lesson40-BatchNorm-1.mp4
      ┃    ┣━━57.lesson40-BatchNorm-2.mp4
      ┃    ┣━━58.lesson41-LeNet5,AlexNet, VGG, GoogleN.mp4
      ┃    ┣━━59.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4
, D; D, [# d: A6 p1 I4 Z      ┃    ┣━━60.lesson42-ResNet，DenseNet-1.mp4
/ g0 q% k) H" O) s1 q: l4 A5 o0 d% L      ┃    ┣━━61.lesson42-ResNet, DenseNet-2.mp4
; C9 Y3 S/ z' I5 B8 Q2 E      ┃    ┣━━62.lesson43-nn.Module-1.mp4
; \* T+ t6 f& |( o      ┃    ┣━━63.lesson43-nn.Module-2.mp4
9 ^$ i4 q: s2 }" d2 C  r, ~2 d      ┃    ┗━━64.lesson44-数据增强Data Argumentation.mp4
      ┣━━11.CIFAR10与ResNet实战
      ┣━━12.循环神经网络RNN&LSTM
- u+ y4 }7 \& H1 @3 Q3 G3 b- U      ┃    ┣━━65.lesson46-时间序列表示.mp4
      ┃    ┣━━66.lesson47-RNN原理-1.mp4
      ┃    ┣━━67.lesson47-RNN原理-2.mp4
4 |$ ]8 {0 o1 p1 J* d. E- t* d      ┃    ┣━━68.lesson48-RNN Layer使用-1.mp4
3 ?- l3 t1 q% h2 k- D      ┃    ┣━━69.lesson48-RNN Layer使用-2.mp4
/ o. U# r) ?( p1 H      ┃    ┣━━70.lesson49-时间序列预测.mp4
6 Y3 `) t5 b: ~. @      ┃    ┣━━71.lesson50-RNN训练难题.mp4
      ┃    ┣━━72.lesson51-LSTM原理-1.mp4
      ┃    ┣━━73.lesson51-LSTM原理-2.mp4
      ┃    ┣━━74.lesson52-LSTM Layer使用.mp4
      ┃    ┗━━75.lesson53-情感分类实战.mp4
      ┗━━13.对抗生成网络GAN
            ┣━━76.lesson54-数据分布.mp4
) v7 @& I& B* X7 p) d: Z: @            ┣━━77.lesson55-画家的成长历程.mp4
8 j- ^, U% ?+ l! E            ┣━━78.lesson56-GAN发展.mp4
            ┣━━79.lesson57-纳什均衡-D.mp4
            ┣━━80.lesson58-纳什均衡-G.mp4
            ┣━━81.lesson59-JS散度的弊端.mp4
; A; ^$ s3 j+ d& w            ┣━━82.lesson60-EM距离.mp4
            ┣━━83.lesson61-WGAN与WGAN-GP.mp4
            ┣━━84.lesson62-G和D实现.mp4
            ┣━━85.lesson63-GAN实战.mp4
( O+ E$ H4 f4 ]9 r" T            ┣━━86.lesson64-GAN训练不稳定.mp4
0 E  Y9 I6 U7 V8 z. R1 T            ┗━━87.lesson65-WGAN-GP实战.mp4
( f# b+ L" T& Q" V5 G
, T  |& W, g: I9 O, ?! _0 f