2020年深度学习框架PyTorch实战视频教程 （讲义、代码）128课
目录：/2020年深度学习框架PyTorch实战视频教程 （讲义、代码）128课 [7G]
├──01 PyTorch框架基本处理操作 [434.4M]
│ ├──001 PyTorch实战课程简介.mp4 [28.9M]
│ ├──002 PyTorch框架发展趋势简介.mp4 [53.5M]
│ ├──003 框架安装方法（CPU与GPU版本）.mp4 [32.7M]
│ ├──004 PyTorch基本操作.mp4 [42M]
│ ├──005 自动求导机制.mp4 [57.4M]
│ ├──006 线性回归DEMO-数据与参数配置.mp4 [30.7M]
│ ├──007 线性回归DEMO-训练回归模型.mp4 [66.1M]
│ ├──008 补充：常见tensor格式.mp4 [30.4M]
│ ├──009 补充：Hub模块简介.mp4 [92.7M]
│ └──课程数据代码下载.txt [84B]
├──02 神经网络实战分类与回归任务 [407M]
│ ├──010 气温数据集与任务介绍.mp4 [55M]
│ ├──011 按建模顺序构建完成网络架构.mp4 [82.8M]
│ ├──012 简化代码训练网络模型.mp4 [86.6M]
│ ├──013 分类任务概述.mp4 [30.8M]
│ ├──014 构建分类网络模型.mp4 [68.8M]
│ └──015 DataSet模块介绍与应用方法.mp4 [83M]
├──03 卷积神经网络原理与参数解读 [599.9M]
│ ├──016 卷积神经网络应用领域.mp4 [71M]
│ ├──017 卷积的作用.mp4 [54.5M]
│ ├──018 卷积特征值计算方法.mp4 [61.1M]
│ ├──019 得到特征图表示.mp4 [47M]
│ ├──020 步长与卷积核大小对结果的影响.mp4 [49.2M]
│ ├──021 边缘填充方法.mp4 [49.6M]
│ ├──022 特征图尺寸计算与参数共享.mp4 [52.8M]
│ ├──023 池化层的作用.mp4 [22.2M]
│ ├──024 整体网络架构.mp4 [53.3M]
│ ├──025 VGG网络架构.mp4 [55.4M]
│ ├──026 残差网络Resnet.mp4 [44.6M]
│ └──027 感受野的作用.mp4 [39.3M]
├──04 图像识别核心模块实战解读 [438.5M]
│ ├──028 卷积网络参数定义.mp4 [54.9M]
│ ├──029 网络流程解读.mp4 [71.4M]
│ ├──030 Vision模块功能解读.mp4 [43.2M]
│ ├──031 分类任务数据集定义与配置.mp4 [59.1M]
│ ├──032 图像增强的作用.mp4 [42.7M]
│ ├──033 数据预处理与数据增强模块.mp4 [88.4M]
│ └──034 Batch数据制作.mp4 [78.8M]
├──05 迁移学习的作用与应用实例 [616.2M]
│ ├──035 迁移学习的目标.mp4 [31.9M]
│ ├──036 迁移学习策略.mp4 [36.9M]
│ ├──037 加载训练好的网络模型.mp4 [87.2M]
│ ├──038 优化器模块配置.mp4 [44.5M]
│ ├──039 实现训练模块.mp4 [68.1M]
│ ├──040 训练结果与模型保存.mp4 [77.5M]
│ ├──041 加载模型对测试数据进行预测.mp4 [88.5M]
│ ├──042 额外补充-Resnet论文解读.mp4 [141.7M]
│ └──043 额外补充-Resnet网络架构解读.mp4 [39.9M]
├──06 递归神经网络与词向量原理解读 [304M]
│ ├──044 RNN网络架构解读.mp4 [49.3M]
│ ├──045 词向量模型通俗解释.mp4 [48.4M]
│ ├──046 模型整体框架.mp4 [62.8M]
│ ├──047 训练数据构建.mp4 [37.6M]
│ ├──048 CBOW与Skip-gram模型.mp4 [50.8M]
│ └──049 负采样方案.mp4 [55M]
├──07 新闻数据集文本分类实战 [640.1M]
│ ├──050 任务目标与数据简介.mp4 [60.9M]
│ ├──051 RNN模型所需输入格式解析.mp4 [47.9M]
│ ├──052 项目配置参数设置.mp4 [80.5M]
│ ├──053 新闻数据读取与预处理方法.mp4 [66.1M]
│ ├──054 LSTM网络模块定义与参数解析.mp4 [75.4M]
│ ├──055 训练LSTM文本分类模型.mp4 [79.5M]
│ ├──056 Tensorboardx可视化展示模块搭建.mp4 [77.7M]
│ ├──057 CNN应用于文本任务原理解析.mp4 [57.9M]
│ └──058 网络模型架构与效果展示.mp4 [94.2M]
├──08 对抗生成网络架构原理与实战解析 [323.7M]
│ ├──059 对抗生成网络通俗解释.mp4 [58.8M]
│ ├──060 GAN网络组成.mp4 [26.8M]
│ ├──061 损失函数解释说明.mp4 [93.6M]
│ ├──062 数据读取模块.mp4 [65.8M]
│ └──063 生成与判别网络定义.mp4 [78.8M]
├──09 基于CycleGan开源项目实战图像合成 [732.9M]
│ ├──064 CycleGan网络所需数据.mp4 [75.9M]
│ ├──065 CycleGan整体网络架构.mp4 [48.9M]
│ ├──066 PatchGan判别网络原理.mp4 [28M]
│ ├──067 Cycle开源项目简介.mp4 [68.5M]
│ ├──068 数据读取与预处理操作.mp4 [105.4M]
│ ├──069 生成网络模块构造.mp4 [106.1M]
│ ├──070 判别网络模块构造.mp4 [44.3M]
│ ├──071 损失函数：identity loss计算方法.mp4 [83.4M]
│ ├──072 生成与判别损失函数指定.mp4 [116.6M]
│ └──073 额外补充：VISDOM可视化配置.mp4 [55.7M]
├──10 OCR文字识别原理 [304.8M]
│ ├──074 OCR文字识别要完成的任务.mp4 [61.4M]
│ ├──075 CTPN文字检测网络概述.mp4 [44.7M]
│ ├──076 序列网络的作用.mp4 [53.2M]
│ ├──077 输出结果含义解析.mp4 [37.3M]
│ ├──078 CTPN细节概述.mp4 [49.6M]
│ ├──079 CRNN识别网络架构.mp4 [36.7M]
│ └──080 CTC模块的作用.mp4 [21.9M]
├──11 OCR文字识别项目实战 [485.6M]
│ ├──081 OCR文字检测识别项目效果展示.mp4 [37.1M]
│ ├──082 OCR文字检测识别项目效果展示.mp4 [64.1M]
│ ├──083 检测模块候选框生成.mp4 [73.7M]
│ ├──084 候选框标签制作.mp4 [77.3M]
│ ├──085 整体网络所需模块.mp4 [43.1M]
│ ├──086 网络架构各模块完成的任务解读.mp4 [69.5M]
│ ├──087 CRNN识别模块所需数据与标签.mp4 [36.8M]
│ └──088 识别模块网络架构解读.mp4 [84M]
├──12 基于3D卷积的视频分析与动作识别 [548.8M]
│ ├──089 3D卷积原理解读.mp4 [56.8M]
│ ├──090 UCF101动作识别数据集简介.mp4 [67.3M]
│ ├──091 测试效果与项目配置.mp4 [108.7M]
│ ├──092 视频数据预处理方法.mp4 [65.7M]
│ ├──093 数据Batch制作方法.mp4 [90.4M]
│ ├──094 3D卷积网络所涉及模块.mp4 [79.7M]
│ └──095 训练网络模型.mp4 [80.1M]
├──13 自然语言处理通用框架BERT原理解读 [453.9M]
│ ├──096 BERT任务目标概述.mp4 [25M]
│ ├──097 传统解决方案遇到的问题.mp4 [53M]
│ ├──098 注意力机制的作用.mp4 [38.2M]
│ ├──099 self-attention计算方法.mp4 [53.4M]
│ ├──100 特征分配与softmax机制.mp4 [49M]
│ ├──101 Multi-head的作用.mp4 [44.4M]
│ ├──102 位置编码与多层堆叠.mp4 [42.3M]
│ ├──103 transformer整体架构梳理.mp4 [47.8M]
│ ├──104 BERT模型训练方法.mp4 [45M]
│ └──105 训练实例.mp4 [55.8M]
├──14 谷歌开源项目BERT源码解读（官方TF版）
├──15 基于PyTorch实战BERT模型（民间PyTorch版） [244.1M]
│ ├──118 项目配置与环境概述.mp4 [59.1M]
│ ├──119 数据读取与预处理.mp4 [45.8M]
│ ├──120 网络结构定义.mp4 [63.9M]
│ └──121 训练网络模型.mp4 [75.3M]
└──16 PyTorch框架实战模板解读 [601.6M]
├──122 项目模板各模块概述.mp4 [74.7M]
├──123 各模块配置参数解析.mp4 [78M]
├──124 数据读取与预处理模块功能解读.mp4 [98.1M]
├──125 模型架构模块.mp4 [62.5M]
├──126 训练模块功能.mp4 [94M]
├──127 训练结果可视化展示模块.mp4 [68.6M]
└──128 模块应用与BenckMark解读.mp4 [125.8M]
目录：/配套资料（讲义、源码） [4.4G]
├──讲义PPT [3M]
│ └──PyTorch.pdf [3M]
├──第八章：对抗生成网络架构原理与实战解析.zip [35.3M]
├──第二章：神经网络实战分类与回归任务.zip [15.8M]
├──第九章：基于CycleGan开源项目实战图像合成.zip [1.6G]
├──第六章：word2vec通俗解释.zip [2.1M]
├──第七章：新闻数据集文本分类实战.zip [31.5M]
├──第三章：卷积神经网络.zip [2.1M]
├──第十二章：基于3D卷积的视频分析与动作识别.zip [845.8M]
├──第十六章：PyTorch框架实战模板解读.zip [69.2M]
├──第十三章：自然语言处理通用框架BERT原理解读.zip [1.5M]
├──第十四章：谷歌开源项目BERT源码解读（官方TF版）.zip [992.7M]
├──第十一章：OCR文字识别项目实战.zip [423.8M]
├──第四章：图像识别核心模块实战解读.zip [336.9M]
└──第一章：PyTorch框架基本处理操作.zip [98.6M]
