课程介绍:
PyTorch是深度学习的主流框架之一,课程通过深入浅出的教学方法带领同学们学习PyTorch模型容器与AlexNet构建,将高深难以理解的内容进行了浅析,更适合同学们掌握和学习。课程内容安排有实战教学和作业讲解,通过教学和作业结合的方式提高学习效率。
课程目录:
pytorch第二周作业讲解..mp4 |
pytorch第一周作业讲解(1)..ts |
pytorch第一周作业讲解(2)..ts |
pytorch第一周作业讲解(3)..ts |
第二周..txt |
第二周第二节课:transforms与normalize..ts |
第二周第三节课:transforms..ts |
第二周第四节课:transforms(二)..mp4 |
第二周第一节课:Dataloader与Dataset..ts |
第六周..txt |
第六周第二节正则化之Dropout.ts |
第六周第一节.ts |
第三周.txt |
第三周第二节课:模型容器与AlexNet构建.mp4 |
第三周第三节课.ts |
第三周第四节课.ts |
第三周第一节课:模型创建步骤与nn.Module.ts |
第四周…txt |
第四周第二节课.ts |
第四周第三节.ts |
第四周第四节:优化器(一).ts |
第四周第五节.ts |
第四周第一节课:权值初始化.ts |
第五周…txt |
第五周第二节:TensorBoard简介与安装.ts |
第五周第三节.ts |
第五周第四节.ts |
第五周第五节.ts |
第五周第一节.ts |
第一周.txt |
第一周第二节:张量简介与创建.ts |
第一周第三节:张量操作与线性回归.ts |
第一周第四节:计算图与动态图机制.ts |
第一周第五节:autograd与逻辑回归.ts |
第一周第一节:pytorch简介与安装.ts |
开营仪式回放-老师部分.ts |
本站所有资源均来自网络,版权归原作者所有,本站仅提供收集与推荐,若侵犯到您的权益,请【给我们反馈】,我们将在24小时内处理!
山内有樱名为良,树本无名只待春。
赞赏,手留余香
感谢分享