Pytorch深度学习入门与实战 | 完结

课程概述

简单介绍常见目标检测算法、PyTorch内置的目标检测模块，并用实例演示了使用PyTorch预训练的目标检测模块对图片做目标检测的方法及预测结果的可视化。

〖资源截图〗:

〖资源目录〗:

• ├──pytorch 全套视频
• | ├──1. pytorch概述
• | | └──章节1-1Pytorch安装.mp4 255.68M
• | ├──10.Dataset数据输入
• | | ├──章节10-1自定义输入Dataset类.mp4 276.18M
• | | ├──章节10-2获取图片路径和标签.mp4 158.19M
• | | ├──章节10-3创建四种天气数据集的Dataset.mp4 84.59M
• | | ├──章节10-4创建输入并可视化.mp4 94.18M
• | | ├──章节10-5划分测试数据和验证数据.mp4 171.53M
• | | └──章节10-6灵活的使用Dataset类构建输入.mp4 94.60M
• | ├──11.现代网络架构
• | | ├──章节11-10创建特征Dataset和分类模型.mp4 159.13M
• | | ├──章节11-11模型训练和预测简介.mp4 195.89M
• | | ├──章节11-12Inception网络结构简介.mp4 122.97M
• | | ├──章节11-13Inception结构代码实现（一）.mp4 211.53M
• | | ├──章节11-14Inception结构代码实现（二）.mp4 185.70M
• | | ├──章节11-15Inception结构应用和优化—Googlenet和inception_v3简介.mp4 81.60M
• | | ├──章节11-1Resnet和残差结构介绍.mp4 122.96M
• | | ├──章节11-2Resnet结构代码实现（一）.mp4 138.55M
• | | ├──章节11-3Resnet结构代码实现（二）.mp4 151.81M
• | | ├──章节11-4DenseNet模型简介.mp4 103.08M
• | | ├──章节11-5DenseNet提取图片特征—获取图片和标签.mp4 231.88M
• | | ├──章节11-6类别编码、划分测试数据和训练数据.mp4 117.13M
• | | ├──章节11-7创建输入Dataset.mp4 150.30M
• | | ├──章节11-8创建Dataloader并可视化.mp4 62.82M
• | | └──章节11-9使用DenseNet卷积提取特征.mp4 78.10M
• | ├──12.图像定位
• | | ├──章节12-1常见图像处理任务和图像定位原理.mp4 120.36M
• | | ├──章节12-2图像定位实例—数据观察与理解.mp4 197.54M
• | | ├──章节12-3 目标值得解析和可视化.mp4 126.79M
• | | ├──章节12-4 数据集路径读取与筛选.mp4 105.58M
• | | ├──章节12-5 解析xml目标值.mp4 86.12M
• | | ├──章节12-6 创建Dataset.mp4 140.53M
• | | ├──章节12-7 创建dataloader和图像可视化.mp4 99.19M
• | | ├──章节12-8 创建图像定位模型.mp4 111.93M
• | | └──章节12-9 图像定位模型训练和预测.mp4 107.18M
• | ├──13.Unet图像语义分割
• | | ├──章节13-1 图像语义分割简介.mp4 78.63M
• | | ├──章节13-10 前向传播部分.mp4 119.43M
• | | ├──章节13-11 模型训练-.mp4 120.16M
• | | ├──章节13-12 模型测试.mp4 126.15M
• | | ├──章节13-13 模型预测.mp4 91.67M
• | | ├──章节13-2 UNET语义分割结构介绍.mp4 115.26M
• | | ├──章节13-3 语义分割输入输出 反卷积和Iou指标.mp4 82.45M
• | | ├──章节13-4 Unet 语义分割数据观察.mp4 108.99M
• | | ├──章节13-5 创建dataset输入.mp4 176.88M
• | | ├──章节13-6 创建和测试dataset并绘图.mp4 99.49M
• | | ├──章节13-7 下采样模型-.mp4 107.90M
• | | ├──章节13-8 上采样模型.mp4 119.39M
• | | └──章节13-9 unet模型初始化部分.mp4 144.42M
• | ├──14.LinNet图像语义分割
• | | ├──14-2 无视频（课后作业，大家自己写出这个模型）.mp4 43.46M
• | | ├──章节14 -7 解码器模块.mp4 106.57M
• | | ├──章节14-1 LinkNet 图像语义分割简介.mp4 81.02M
• | | ├──章节14-10 模型前向传播.mp4 82.91M
• | | ├──章节14-11 模型训练和Iou指标.mp4 89.27M
• | | ├──章节14-3 代码组织结构.mp4 85.64M
• | | ├──章节14-4 卷积模块.mp4 98.42M
• | | ├──章节14-5 反卷积.mp4 115.27M
• | | ├──章节14-6 编码器模块.mp4 123.83M
• | | ├──章节14-8 输入和编码部分初始化.mp4 98.50M
• | | └──章节14-9 解码器和输出部分初始化.mp4 100.69M
• | ├──15.文本分类与词嵌入表示
• | | ├──章节15-1 文本表示与词嵌入.mp4 85.94M
• | | ├──章节15-2 文本向量化流程与分词.mp4 86.08M
• | | ├──章节15-3 文本向量化实现.mp4 122.44M
• | | ├──章节15-4 简单文本分类.mp4 106.32M
• | | ├──章节15-5 创建词表-认识数据集.mp4 110.03M
• | | ├──章节15-6 模型训练.mp4 139.98M
• | | └──章节15-7 使用预训练的词向量.mp4 136.76M
• | ├──16.Rnn循环神经网络
• | | ├──章节 16-6 GRU网络简介.mp4 28.69M
• | | ├──章节16-1 Rnn循环神经网络介绍.mp4 84.59M
• | | ├──章节16-2 RnnCell在序列上展开模型实现.mp4 190.55M
• | | ├──章节16-3 RnnCell简单文本分类模型.mp4 146.20M
• | | ├──章节16-4 Lstm网络简介.mp4 59.73M
• | | ├──章节16-5 LstmMcell实现文本分类.mp4 93.61M
• | | └──章节16-7 Lstm 高价API.mp4 156.27M
• | ├──17（二）. 中文外卖评论情绪分类
• | | ├──章节17-1（案例二） 中文外卖评论情绪分类-上.mp4 134.12M
• | | ├──章节17-2（案例二） 中文外卖评论情绪分类-下.mp4 123.94M
• | | └──章节17-3 RNN的优化方法.mp4 107.73M
• | ├──17（一）. twitter 评论情绪分类
• | | ├──章节17-1 twitter 评论情绪分类-数据读取与观察.mp4 146.89M
• | | ├──章节17-2 twitter 评论情绪分类-创建词表.mp4 111.25M
• | | ├──章节17-3 划分训练测试数据，创建dataset.mp4 74.52M
• | | ├──章节17-4 基础文本分类模型.mp4 73.72M
• | | └──章节17-5 Lstm 文本分类模型.mp4 188.42M
• | ├──18.注意力机制
• | | ├──章节18-1 seq2seq简介.mp4 61.44M
• | | ├──章节18-2 注意力机制简介.mp4 70.31M
• | | ├──章节18-3 自注意力机制简介.mp4 82.45M
• | | ├──章节18-4 transformer 简介.mp4 165.47M
• | | └──章节18-5 transformer 文本分类小案例.mp4 99.12M
• | ├──19. Rnn序列预测-北京空气质量
• | | ├──章节19-1 数据读取与观察.mp4 139.42M
• | | ├──章节19-2 数据预处理.mp4 95.21M
• | | ├──章节19-3 数据预处理.mp4 159.69M
• | | ├──章节19-4 数据预处理.mp4 92.95M
• | | ├──章节19-5 创建dataset 输入.mp4 80.01M
• | | ├──章节19-6 创建时序预测模型.mp4 100.61M
• | | ├──章节19-7 模型训练跟预测.mp4 176.06M
• | | └──章节19-8 模型预测演示.mp4 186.48M
• | ├──2.深度学习基础与线性回归实例
• | | ├──章节2-1机器学习基础-线性回归.mp4 50.52M
• | | ├──章节2-2收入数据集读取与观察.mp4 111.73M
• | | ├──章节2-3初始化模型、损失函数和优化方法.mp4 147.34M
• | | └──章节2-4模型训练与结果可视化.mp4 147.98M
• | ├──20. Tensorboard可视化
• | | ├──章节20-1 Tensorboard 安装与导入.mp4 87.80M
• | | ├──章节20-2 Tensorboard 可视化.mp4 68.63M
• | | ├──章节20-3 Tensorboadr 网络模型结构可视化.mp4 68.28M
• | | └──章节20-4 标量数据可视化.mp4 80.31M
• | ├──21.一维卷积网络
• | | ├──章节21-1 一维卷积原理与网络结构.mp4 92.20M
• | | ├──章节21-2 中文分词.mp4 109.09M
• | | ├──章节21-3 创建词表.mp4 95.97M
• | | ├──章节21-4 划分数据集.mp4 108.08M
• | | ├──章节21-5 批处理函数.mp4 135.03M
• | | ├──章节21-6 模型初始化.mp4 118.45M
• | | └──章节21-7模型前向传播与训练.mp4 81.09M
• | ├──23.语义分割图片的标注——Labelme使用教程
• | | ├──[23.1]–Labelme的安装和单张图片的标注.mp4 31.05M
• | | ├──[23.2]–从标注文件生成图像语义分割数据集.mp4 30.43M
• | | └──[23.3]–标注图片的读取和验证.mp4 23.84M
• | ├──24.多任务学习
• | | ├──[24.1]–多任务学习简介.mp4 15.83M
• | | ├──[24.2]–多任务标签预处理.mp4 32.11M
• | | ├──[24.3]–创建dataset.mp4 47.09M
• | | ├──[24.4]–多任务模型创建(一).mp4 31.95M
• | | ├──[24.5]–多任务模型创建(二).mp4 16.92M
• | | └──[24.6]–多任务模型的训练.mp4 40.00M
• | ├──25.目标识别与目标检测
• | | ├──[25.10]–目标识别标注文件的解析（一）.mp4 48.70M
• | | ├──[25.11]–目标识别标注文件的解析（二）.mp4 24.69M
• | | ├──[25.12]–创建输入Dataset.mp4 54.40M
• | | ├──[25.13]–创建dataloader、初始化模型和优化器.mp4 42.37M
• | | ├──[25.14]–目标识别的模型训练.mp4 34.37M
• | | ├──[25.15]–目标识别的模型预测.mp4 47.89M
• | | ├──[25.1]–目标识别综述——two_stage目标检测算法.mp4 22.87M
• | | ├──[25.2]–目标识别综述——one_stage目标检测算法.mp4 31.84M
• | | ├──[25.3]–PyTorch内置的目标检测模块.mp4 22.17M
• | | ├──[25.4]–使用PyTorch内置目标检测模块.mp4 24.65M
• | | ├──[25.5]–目标识别预测结果解读与可视化.mp4 33.77M
• | | ├──[25.6]–PyTorch目标检测的使用.mp4 29.40M
• | | ├──[25.7]–目标检测的图像标注.mp4 22.59M
• | | ├──[25.8]–标注自有数据集并安装所需的库.mp4 34.70M
• | | └──[25.9]–修改PyTorch内置目标检测模型的输出.mp4 29.32M
• | ├──3.pytorch张量
• | | ├──章节3-1Pytorch张量与数据类型.mp4 266.81M
• | | ├──章节3-2张量运算与形状变换.mp4 82.37M
• | | ├──章节3-3张量微分运算.mp4 144.81M
• | | └──章节3-4入门实例的分解写法-.mp4 209.33M
• | ├──4.逻辑回归与多层感知机
• | | ├──章节4-10添加正确率和验证数据.mp4 275.41M
• | | ├──章节4-1逻辑回归简介与数据预处理.mp4 135.37M
• | | ├──章节4-2逻辑回归模型的创建与训练.mp4 221.93M
• | | ├──章节4-3多层感知器简介.mp4 84.06M
• | | ├──章节4-4多层感知器实例-数据预处理.mp4 193.71M
• | | ├──章节4-5多层感知器模型创建.mp4 110.45M
• | | ├──章节4-6多层感知器模型改写与解释.mp4 125.26M
• | | ├──章节4-7多层感知器模型训练.mp4 97.00M
• | | ├──章节4-8使用Dataset和Dataloader加载模型数据.mp4 165.81M
• | | └──章节4-9划分验证数据和测试数据.mp4 187.46M
• | ├──5.多分类问题
• | | ├──章节5-1Softmax多分类与鸢尾花数据集预处理.mp4 157.03M
• | | ├──章节5-2多分类模型创建与损失函数.mp4 142.84M
• | | ├──章节5-3多分类模型训练与调试.mp4 230.82M
• | | ├──章节5-4编写通用训练函数（一）.mp4 205.63M
• | | └──章节5-5编写通用训练函数（二）.mp4 256.20M
• | ├──6.手写数字全连接模型
• | | ├──章节6-1MNIST数据集的下载和使用.mp4 182.36M
• | | ├──章节6-2认识手写数据集MNIST.mp4 163.06M
• | | └──章节6-3MNIST数据集全连接模型训练.mp4 156.83M
• | ├──7.基础部分总结
• | | ├──章节7-1梯度下降算法与学习速率.mp4 107.89M
• | | ├──章节7-2反向传播算法与优化器.mp4 119.41M
• | | ├──章节7-3基础部分知识点总结.mp4 191.62M
• | | └──章节7-4基础部分作业——Fashi-MNIST数据分类.mp4 38.42M
• | ├──8.计算机视觉基础
• | | ├──章节8-10Dropout抑制过拟合.mp4 89.52M
• | | ├──章节8-11Dropout代码实现-.mp4 173.38M
• | | ├──章节8-12批标准化（Batch Normalization）简介.mp4 111.44M
• | | ├──章节8-13Batch Normalization层的代码实现.mp4 172.49M
• | | ├──章节8-14超参数选择原则.mp4 56.63M
• | | ├──章节8-1什么是卷积.mp4 139.92M
• | | ├──章节8-2卷积模型的整体架构.mp4 119.92M
• | | ├──章节8-3卷积模型解决手写数字分类.mp4 351.19M
• | | ├──章节8-4使用GPU加速训练.mp4 225.86M
• | | ├──章节8-5卷积模型基础实例—四种天气数据集.mp4 343.65M
• | | ├──章节8-6读取、预处理图片并创建Dataset.mp4 112.08M
• | | ├──章节8-7创建Dataloader和可视化图片.mp4 202.97M
• | | ├──章节8-8四种天气分类模型的创建.mp4 185.80M
• | | └──章节8-9卷积模型的训练.mp4 110.73M
• | └──9.预训练模型(迁移学习)
• | | ├──章节9-1预训练模型与VGG架构.mp4 151.68M
• | | ├──章节9-2预训练模型的使用介绍.mp4 109.67M
• | | ├──章节9-3预训练模型VGG的代码实现.mp4 152.14M
• | | ├──章节9-4图像数据增强.mp4 228.33M
• | | ├──章节9-5学习速率衰减.mp4 160.28M
• | | ├──章节9-6RESNET预训练模型.mp4 180.71M
• | | ├──章节9-7微调与迁移学习.mp4 166.68M
• | | └──章节9-8模型权重保存.mp4 222.87M
• └──课程资料
• | ├──参考代码和部分数据集
• | | └──参考代码
• | ├──Miniconda3和conda配置文件.zip 50.54M
• | ├──unet_model权重_建议还是自己训练.zip 122.07M
• | ├──VC_redist.x64.exe 14.28M
• | ├──常见预训练模型权重.zip 827.58M
• | ├──大型数据集.zip 2.97G
• | ├──课件.zip 7.08M
• | └──文本分类数据集.zip 1.44M