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：
4 e8 o, h5 r' a! u- x5 w+ Q      ┣━━1.深度学习框架介绍
      ┃    ┗━━1.lesson1-PyTorch介绍.mp4
4 ~1 b1 _* w7 c9 h" Z5 M      ┣━━2.开发环境准备
      ┃    ┗━━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
8 ]+ G7 x1 s# D      ┃    ┣━━4.lesson3-初探Linear Regression案例-2.mp4
0 p! Y% e  H+ a8 ^* Y% g; B      ┃    ┣━━5.lesson4-PyTorch求解Linear Regression案例.mp4
( W" c4 J  ^- m$ \5 M, h9 x      ┃    ┣━━6.lesson5 -手写数字问题引入1.mp4
; h% K" q. z& r6 j$ Q      ┃    ┗━━7.lesson5 -手写数字问题引入2.mp4
      ┣━━4.Pytorch张量操作
8 u0 D3 T2 o+ v% x/ y( H5 O& |      ┃    ┣━━8.lesson6 基本数据类型1.mp4
) P5 y5 A3 Y- U6 V0 r      ┃    ┣━━9.lesson6 基本数据类型2.mp4
      ┃    ┣━━10.lesson7 创建Tensor 1.mp4
3 i, v$ X5 b- U      ┃    ┣━━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
, n: S; j. d* M7 ^: X  G      ┃    ┣━━15.lesson9 维度变换2.mp4
$ ^5 F! W  U1 r      ┃    ┣━━16.lesson9 维度变换3.mp4
6 ?% ], p5 I& g7 m8 l1 D      ┃    ┗━━17.lesson9 维度变换4.mp4
      ┣━━5.张量高阶操作
8 c5 K6 T8 Z& K" r( d      ┃    ┣━━18.lesson10 Broatcasting 1.mp4
9 ~' ]" f; k% G0 {      ┃    ┣━━19.lesson10 Broatcasting 2.mp4
      ┃    ┣━━20.lesson11 合并与切割1.mp4
9 D* G0 y( R" c( F  p      ┃    ┣━━21.lesson11 合并与切割2.mp4
$ n3 X4 K0 C( i+ u6 Z8 U      ┃    ┣━━22.lesson12 基本运算.mp4
' ^' D4 [( h! `" B" {5 t      ┃    ┣━━23.lesson13 数据统计1.mp4
, H: H0 n! s9 e% {9 P  y      ┃    ┣━━24.lesson13 数据统计2.mp4
. E; t1 C5 M5 M" w3 M3 v* W      ┃    ┗━━25.lesson14 高阶OP.mp4
7 Y5 [4 j. I: O0 j3 ?+ G+ ~      ┣━━6.随机梯度下降
, j  V0 r! d5 V9 B( {      ┃    ┣━━26.lesson16 什么是梯度1.mp4
      ┃    ┣━━27.lesson16 什么是梯度2.mp4
+ E" A9 y7 j5 K3 n* ]3 D% A4 k      ┃    ┣━━28.lesson17 常见梯度.mp4
& ?/ b$ U; ]* v1 W( U      ┃    ┣━━29.lesson18 激活函数及其梯度1.mp4
      ┃    ┣━━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
6 h3 [  }2 v, @      ┃    ┣━━34.lesson20 链式法则.mp4
2 |. |4 S/ E! j. v      ┃    ┣━━35.lesson21 反向传播.mp4
% r+ w4 B  |$ M" E      ┃    ┗━━36.lesson22 优化小实例.mp4
      ┣━━8.多层感知机与分类器
      ┃    ┣━━37.lesson24 Logistic Regression.mp4
6 f! R/ [) C# e  ^$ M4 Z7 ~4 L" D      ┃    ┣━━38.lesson25 交叉熵.mp4
      ┃    ┣━━39.lesson26 多分类实战.mp4
      ┃    ┣━━40.lesson27 全连接层.mp4
      ┃    ┣━━41.lesson28 激活函数与GPU加速.mp4
2 Y- m; a6 l( j      ┃    ┣━━42.lesson29 测试.mp4
* _- S/ B. R7 ^/ W0 ?+ |      ┃    ┗━━43.lesson30-Visdom可视化.mp4
      ┣━━9.过拟合
      ┃    ┣━━44.lesson31-过拟合与欠拟合.mp4
3 R8 P: f/ W5 b7 r5 i! j% T3 R5 Q5 W      ┃    ┣━━45.lesson32-Train-Val-Test-交叉验证-1.mp4
) \' e3 n2 q, w: S      ┃    ┣━━46.lesson32-Train-Val-Test-交叉验证-2.mp4
      ┃    ┣━━47.lesson33-regularization.mp4
3 W8 a* k3 J2 s) A      ┃    ┣━━48.lesson34-动量与lr衰减.mp4
% @# E7 Z. U3 ~0 ~% u% ?2 F1 l      ┃    ┗━━49.lesson35-early stopping, dropout, sgd.mp4
& o$ F' ]4 f; ]- }      ┣━━10.卷积神经网络CNN
* n& G5 i4 I( [! i/ W      ┃    ┣━━50.lesson37-什么是卷积-1.mp4
      ┃    ┣━━51.lesson37-什么是卷积-2.mp4
2 f$ c, F1 n; M$ C8 h4 `      ┃    ┣━━52.lesson38-卷积神经网络-1.mp4
; t/ Z; q. f5 v      ┃    ┣━━53.lesson38-卷积神经网络-2.mp4
      ┃    ┣━━54.lesson38-卷积神经网络-3.mp4
( P- c% g$ g/ u/ Z      ┃    ┣━━55.lesson39-Pooling&upsample.mp4
      ┃    ┣━━56.lesson40-BatchNorm-1.mp4
      ┃    ┣━━57.lesson40-BatchNorm-2.mp4
7 E0 i% m' j; t1 K      ┃    ┣━━58.lesson41-LeNet5,AlexNet, VGG, GoogleN.mp4
      ┃    ┣━━59.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4
/ [  c% v$ d; d$ M5 Q      ┃    ┣━━60.lesson42-ResNet，DenseNet-1.mp4
; t) @% E# Q/ x& z/ L      ┃    ┣━━61.lesson42-ResNet, DenseNet-2.mp4
, _$ F: }- ~" z. }1 X7 B      ┃    ┣━━62.lesson43-nn.Module-1.mp4
' N0 L" I' Z3 R3 p- j- v      ┃    ┣━━63.lesson43-nn.Module-2.mp4
# }# T* W/ M; {      ┃    ┗━━64.lesson44-数据增强Data Argumentation.mp4
      ┣━━11.CIFAR10与ResNet实战
      ┣━━12.循环神经网络RNN&LSTM
      ┃    ┣━━65.lesson46-时间序列表示.mp4
      ┃    ┣━━66.lesson47-RNN原理-1.mp4
- y  r( [# e$ R- F* |- |' I) c8 V" v% R      ┃    ┣━━67.lesson47-RNN原理-2.mp4
      ┃    ┣━━68.lesson48-RNN Layer使用-1.mp4
# ?! R' `; H5 Q      ┃    ┣━━69.lesson48-RNN Layer使用-2.mp4
      ┃    ┣━━70.lesson49-时间序列预测.mp4
5 i+ N; v8 P/ D1 M" n+ J      ┃    ┣━━71.lesson50-RNN训练难题.mp4
6 b5 d. {) K+ s  v2 d      ┃    ┣━━72.lesson51-LSTM原理-1.mp4
/ L9 Y& R+ Q2 s+ Z3 l3 f      ┃    ┣━━73.lesson51-LSTM原理-2.mp4
      ┃    ┣━━74.lesson52-LSTM Layer使用.mp4
# F2 U8 W4 w: V0 s. W      ┃    ┗━━75.lesson53-情感分类实战.mp4
      ┗━━13.对抗生成网络GAN
            ┣━━76.lesson54-数据分布.mp4
            ┣━━77.lesson55-画家的成长历程.mp4
            ┣━━78.lesson56-GAN发展.mp4
/ y, T; y/ V. u" r            ┣━━79.lesson57-纳什均衡-D.mp4
            ┣━━80.lesson58-纳什均衡-G.mp4
0 ~2 d, G7 t; G: {2 U            ┣━━81.lesson59-JS散度的弊端.mp4
            ┣━━82.lesson60-EM距离.mp4
            ┣━━83.lesson61-WGAN与WGAN-GP.mp4
7 Y, |) `2 J/ r4 a+ Q: f' p            ┣━━84.lesson62-G和D实现.mp4
0 E" M+ O) u- X# T1 |            ┣━━85.lesson63-GAN实战.mp4
            ┣━━86.lesson64-GAN训练不稳定.mp4
            ┗━━87.lesson65-WGAN-GP实战.mp4
- A/ K- d& J7 E. o& A" v
/ y3 H/ t- X4 e3 b% x4 X