Pytorch框架全流程开发医学影像端到端判别实战项目

📚 构建深度学习模型，综合应用完整企业级项目 🚀

 

越来越多的科研及企业项目，会把PyTorch作为首选的深度学习框架。它容易上手，功能完善，不管是新入门学习还是上手实战项目，PyTorch都是非常优秀的工具。本课程以实践为目的，把深度学习概念及基础学习贯穿在几个实践项目中，荒川老师将带领你们进入PyTorch深度学习的世界，使用PyTorch将其一一实现。👨‍🏫

 

课程目录 📖

1️⃣-1️⃣ 课程导学2249.mp4

1️⃣-2️⃣ 深度学习如何影响生活1333.mp4

1️⃣-3️⃣ 常用深度学习框架1738.mp4

2️⃣-1️⃣ 环境安装与配置1319.mp4

2️⃣-2️⃣ 使用预训练的ResNet网络给图片分类一1610.mp4

2️⃣-3️⃣ 使用预训练的ResNet网络给图片分类二0845.mp4

2️⃣-4️⃣ 使用预训练的GAN网络把马变成斑马1716.mp4

3️⃣-1️⃣ 工业级数据挖掘流程一2359.mp4

3️⃣-2️⃣ 工业级数据挖掘流程二2130.mp4

3️⃣-3️⃣ 课程重难点技能分布0515.mp4

3️⃣-4️⃣ 课程实战项目简介0700.mp4

4️⃣-1️⃣0️⃣ 张量的底层实现逻辑二1335.mp4

4️⃣-1️⃣ 什么是张量1407.mp4

4️⃣-2️⃣ 张量的获取与存储一1635.mp4

4️⃣-3️⃣ 张量的获取与存储二1540.mp4

4️⃣-4️⃣ 张量的基本操作一0830.mp4

4️⃣-5️⃣ 张量的基本操作二1604.mp4

4️⃣-6️⃣ 张量中的元素类型0656.mp4

4️⃣-7️⃣ 张量的命名0832.mp4

4️⃣-8️⃣ 把张量传递到GPU中进行运算0607.mp4

4️⃣-9️⃣ 张量的底层实现逻辑一1942.mp4

5️⃣-1️⃣ 普通二维图像的加载一0751.mp4

5️⃣-2️⃣ 普通二维图像的加载二1259.mp4

5️⃣-3️⃣ 3D图像的加载1230.mp4

5️⃣-4️⃣ 普通表格数据加载1453.mp4

5️⃣-5️⃣ 有时间序列的表格数据加载1650.mp4

5️⃣-6️⃣ 连续值序列值分类值的处理1345.mp4

5️⃣-7️⃣ 自然语言文本数据加载1945.mp4

5️⃣-8️⃣ 本章小结0504.mp4

6️⃣-1️⃣0️⃣ 使用PyTorch提供的优化器1532.mp4

6️⃣-1️⃣1️⃣ 神经网络重要概念-激活函数1550.mp4

6️⃣-1️⃣2️⃣ 用PyTorch的nn模块搭建神经网络1537.mp4

6️⃣-1️⃣3️⃣ 构建批量训练方法1453.mp4

6️⃣-1️⃣4️⃣ 使用神经网络解决温度计示数转换问题2123.mp4

6️⃣-1️⃣ 常规模型训练的过程1104.mp4

6️⃣-2️⃣ 温度计示数转换1140.mp4

6️⃣-3️⃣ 神经网络重要概念-损失1240.mp4

6️⃣-4️⃣ PyTorch中的广播机制1646.mp4

6️⃣-5️⃣ 神经网络重要概念-梯度1811.mp4

6️⃣-6️⃣ 神经网络重要概念-学习率1947.mp4

6️⃣-7️⃣ 神经网络重要概念-归一化2620.mp4

6️⃣-8️⃣ 使用超参数优化我们的模型效果1136.mp4

6️⃣-9️⃣ 使用PyTorch自动计算梯度1556.mp4

7️⃣-1️⃣0️⃣ 使用卷积提取图像中的特定特征0800.mp4

7️⃣-1️⃣1️⃣ 借助下采样压缩数据0753.mp4

7️⃣-1️⃣2️⃣ 借助PyTorch搭建卷积网络1012.mp4

7️⃣-1️⃣3️⃣ 训练我们的分类模型1005.mp4

7️⃣-1️⃣4️⃣ 训练好的模型如何存储0147.mp4

7️⃣-1️