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：
' Z, ~' J5 ]8 I      ┣━━1.深度学习框架介绍
% e% K3 s/ E6 M% s( q8 p/ x      ┃    ┗━━1.lesson1-PyTorch介绍.mp4
      ┣━━2.开发环境准备
; i. j2 H. ?6 }& K      ┃    ┗━━2.lesson2-开发环境准备.mp4
! t4 p7 E0 ]+ e2 Y& }  @; b      ┣━━3.初见深度学习
  K" b* z" y4 y* l1 y. M1 X$ V) }      ┃    ┣━━3.lesson3-初探Linear Regression案例-1.mp4
      ┃    ┣━━4.lesson3-初探Linear Regression案例-2.mp4
      ┃    ┣━━5.lesson4-PyTorch求解Linear Regression案例.mp4
1 M$ V( q' D/ O6 X( S" u      ┃    ┣━━6.lesson5 -手写数字问题引入1.mp4
6 O# z7 N5 P" ~8 x      ┃    ┗━━7.lesson5 -手写数字问题引入2.mp4
      ┣━━4.Pytorch张量操作
& `5 B; O* L! ]2 Q, O2 Z1 E! p      ┃    ┣━━8.lesson6 基本数据类型1.mp4
- k  N3 M# d- _5 M; g      ┃    ┣━━9.lesson6 基本数据类型2.mp4
      ┃    ┣━━10.lesson7 创建Tensor 1.mp4
8 W2 @, y/ Q/ u8 v& d3 s& m      ┃    ┣━━11.lesson7 创建Tensor 2.mp4
      ┃    ┣━━12.lesson8 索引与切片1.mp4
      ┃    ┣━━13.lesson8 索引与切片2.mp4
      ┃    ┣━━14.lesson9 维度变换1.mp4
      ┃    ┣━━15.lesson9 维度变换2.mp4
      ┃    ┣━━16.lesson9 维度变换3.mp4
      ┃    ┗━━17.lesson9 维度变换4.mp4
- K* B  j/ y( s6 z1 U3 X- [4 l      ┣━━5.张量高阶操作
, a. W( @5 v8 I4 d7 @      ┃    ┣━━18.lesson10 Broatcasting 1.mp4
1 \: _# m3 _1 Z3 `, g7 v      ┃    ┣━━19.lesson10 Broatcasting 2.mp4
      ┃    ┣━━20.lesson11 合并与切割1.mp4
# r. L% X! [, T6 J! k      ┃    ┣━━21.lesson11 合并与切割2.mp4
      ┃    ┣━━22.lesson12 基本运算.mp4
      ┃    ┣━━23.lesson13 数据统计1.mp4
( M/ N9 |- y- O! T% X3 L9 q* n" {6 P      ┃    ┣━━24.lesson13 数据统计2.mp4
      ┃    ┗━━25.lesson14 高阶OP.mp4
      ┣━━6.随机梯度下降
- K% d+ |2 w# J3 ~  c+ r  m      ┃    ┣━━26.lesson16 什么是梯度1.mp4
$ {, k$ t7 \: t0 B& w+ S      ┃    ┣━━27.lesson16 什么是梯度2.mp4
      ┃    ┣━━28.lesson17 常见梯度.mp4
( y" T0 y+ ?' y1 B      ┃    ┣━━29.lesson18 激活函数及其梯度1.mp4
1 t6 L) F0 T4 i- J8 H3 C# Z      ┃    ┣━━30.lesson18 激活函数及其梯度2.mp4
7 x6 K( `0 @+ S      ┃    ┗━━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
" r/ `5 F0 k6 y' \" h      ┃    ┣━━33.lesson19 多输出Loss层2.mp4
      ┃    ┣━━34.lesson20 链式法则.mp4
& A2 O* ^, ]# y6 V! k      ┃    ┣━━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
! A( p1 E; ~% x# g, x2 Z      ┃    ┣━━37.lesson24 Logistic Regression.mp4
4 u( a* G2 A! Z$ x* ^1 p      ┃    ┣━━38.lesson25 交叉熵.mp4
      ┃    ┣━━39.lesson26 多分类实战.mp4
( A2 y; u# D# F9 h' I6 k+ L; h      ┃    ┣━━40.lesson27 全连接层.mp4
! m& _) B+ }) R1 F( q      ┃    ┣━━41.lesson28 激活函数与GPU加速.mp4
      ┃    ┣━━42.lesson29 测试.mp4
* d' H* w/ @3 s2 V* Q+ l      ┃    ┗━━43.lesson30-Visdom可视化.mp4
, L2 T( T' g5 S$ n/ m5 p$ y      ┣━━9.过拟合
      ┃    ┣━━44.lesson31-过拟合与欠拟合.mp4
4 ?: O8 Q& P8 m1 T7 A7 F      ┃    ┣━━45.lesson32-Train-Val-Test-交叉验证-1.mp4
      ┃    ┣━━46.lesson32-Train-Val-Test-交叉验证-2.mp4
. I1 U) g- E8 i- b( \, `" R  }      ┃    ┣━━47.lesson33-regularization.mp4
: e6 s6 J$ \2 L/ w, u      ┃    ┣━━48.lesson34-动量与lr衰减.mp4
      ┃    ┗━━49.lesson35-early stopping, dropout, sgd.mp4
      ┣━━10.卷积神经网络CNN
      ┃    ┣━━50.lesson37-什么是卷积-1.mp4
      ┃    ┣━━51.lesson37-什么是卷积-2.mp4
; c+ g$ B* a( e3 o1 @8 _) G6 f      ┃    ┣━━52.lesson38-卷积神经网络-1.mp4
      ┃    ┣━━53.lesson38-卷积神经网络-2.mp4
      ┃    ┣━━54.lesson38-卷积神经网络-3.mp4
' A, K8 t  V& ]+ L      ┃    ┣━━55.lesson39-Pooling&upsample.mp4
- z* Z6 S) p1 d7 v      ┃    ┣━━56.lesson40-BatchNorm-1.mp4
: j; d6 g+ _. x, L      ┃    ┣━━57.lesson40-BatchNorm-2.mp4
      ┃    ┣━━58.lesson41-LeNet5,AlexNet, VGG, GoogleN.mp4
' t( Z' V& P- h      ┃    ┣━━59.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4
      ┃    ┣━━60.lesson42-ResNet，DenseNet-1.mp4
      ┃    ┣━━61.lesson42-ResNet, DenseNet-2.mp4
" [! ~7 W# k$ Y: ~1 _      ┃    ┣━━62.lesson43-nn.Module-1.mp4
      ┃    ┣━━63.lesson43-nn.Module-2.mp4
" F5 u$ G4 n1 [9 z. M7 ?! h- k- |      ┃    ┗━━64.lesson44-数据增强Data Argumentation.mp4
      ┣━━11.CIFAR10与ResNet实战
0 E- T. {# x2 R- N. k      ┣━━12.循环神经网络RNN&LSTM
      ┃    ┣━━65.lesson46-时间序列表示.mp4
1 {7 d7 t4 _, j, F1 A5 u* u; i      ┃    ┣━━66.lesson47-RNN原理-1.mp4
      ┃    ┣━━67.lesson47-RNN原理-2.mp4
1 c* r: b" ~, \3 V. i      ┃    ┣━━68.lesson48-RNN Layer使用-1.mp4
! J' y7 U! X4 [3 O% V1 N# y      ┃    ┣━━69.lesson48-RNN Layer使用-2.mp4
      ┃    ┣━━70.lesson49-时间序列预测.mp4
      ┃    ┣━━71.lesson50-RNN训练难题.mp4
9 V3 T; f% i# X( K- ]- j      ┃    ┣━━72.lesson51-LSTM原理-1.mp4
! l5 p# {- A) x3 m4 V0 N2 E      ┃    ┣━━73.lesson51-LSTM原理-2.mp4
      ┃    ┣━━74.lesson52-LSTM Layer使用.mp4
      ┃    ┗━━75.lesson53-情感分类实战.mp4
/ Z/ Y; Y! r- t: L. E0 f      ┗━━13.对抗生成网络GAN
, k. x- c: G% e2 W& j3 U            ┣━━76.lesson54-数据分布.mp4
            ┣━━77.lesson55-画家的成长历程.mp4
            ┣━━78.lesson56-GAN发展.mp4
            ┣━━79.lesson57-纳什均衡-D.mp4
9 h6 E/ H: [8 ~9 S, Y9 G" X" d7 [            ┣━━80.lesson58-纳什均衡-G.mp4
; y0 l  r1 [! I4 P. s2 ]' O  y. y            ┣━━81.lesson59-JS散度的弊端.mp4
            ┣━━82.lesson60-EM距离.mp4
& f% W9 V( ]! Z6 H; V: G. K            ┣━━83.lesson61-WGAN与WGAN-GP.mp4
            ┣━━84.lesson62-G和D实现.mp4
            ┣━━85.lesson63-GAN实战.mp4
            ┣━━86.lesson64-GAN训练不稳定.mp4
            ┗━━87.lesson65-WGAN-GP实战.mp4
5 ?1 a5 [7 `, P3 Q