开源机器学习库PyTorch课程 基于深度学习的人工智能实战课程 PyTorch实战视频教程



        PyTorch基于Torch，是目前应用很广泛的Python开源机器学习数据库，PyTorch可以为我们提供更为强大的GPU加速的张量计算，以及更高级的深度神经网络。课程从深度学习框架开始，讲解了卷积神经网络，循环神经网络RNN与LSTM，Pytorch张量操作与张量高级操作，随机梯度下降，多层感知机与分类器，过拟合等非常典型的人工智能与深度学习技术课程，正在攻读充电的同学们不要错过。
===============课程目录===============
(0)；目录中文件数:0个
(1)\1.深度学习框架介绍
├─1.lesson1-PyTorch介绍.mp4
(2)\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
├─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
├─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
├─60.lesson42-ResNet，DenseNet-1.mp4
├─61.lesson42-ResNet, DenseNet-2.mp4
├─62.lesson43-nn.Module-1.mp4
├─63.lesson43-nn.Module-2.mp4
├─64.lesson44-数据增强Data Argumentation.mp4
(3)\11.CIFAR10与ResNet实战；
(4)\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
├─67.lesson47-RNN原理-2.mp4
├─68.lesson48-RNN Layer使用-1.mp4
├─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
├─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
(5)\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
├─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
├─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
├─86.lesson64-GAN训练不稳定.mp4
├─87.lesson65-WGAN-GP实战.mp4
(6)\2.开发环境准备
├─2.lesson2-开发环境准备.mp4
(7)\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
├─5.lesson4-PyTorch求解Linear Regression案例.mp4
├─6.lesson5 -手写数字问题引入1.mp4
├─7.lesson5 -手写数字问题引入2.mp4
(8)\4.Pytorch张量操作；目录中文件数:10个
├─10.lesson7 创建Tensor 1.mp4
├─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
├─8.lesson6 基本数据类型1.mp4
├─9.lesson6 基本数据类型2.mp4
(9)\5.张量高阶操作
├─18.lesson10 Broatcasting 1.mp4
├─19.lesson10 Broatcasting 2.mp4
├─20.lesson11 合并与切割1.mp4
├─21.lesson11 合并与切割2.mp4
├─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
(10)\6.随机梯度下降
├─26.lesson16 什么是梯度1.mp4
├─27.lesson16 什么是梯度2.mp4
├─28.lesson17 常见梯度.mp4
├─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
(11)\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
(12)\8.多层感知机与分类器
├─37.lesson24 Logistic Regression.mp4
├─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
├─42.lesson29 测试.mp4
├─43.lesson30-Visdom可视化.mp4
(13)\9.过拟合；目录中文件数:6个
├─44.lesson31-过拟合与欠拟合.mp4
├─45.lesson32-Train-Val-Test-交叉验证-1.mp4
├─46.lesson32-Train-Val-Test-交叉验证-2.mp4
├─47.lesson33-regularization.mp4
├─48.lesson34-动量与lr衰减.mp4
├─49.lesson35-early stopping, dropout, sgd.mp4