课程目录

• 深度学习与PyTorch入门实战教程
• 0.深度学习与PyTorch入门实战教程
• 1.深度学习初见
• 课时1 深度学习框架简介
• 课时2 PyTorch功能演示
• 10.CIFAR10与ResNet实战
• 课时76 CIFAR10数据集介绍
• 课时77 卷积神经网络实战-1
• 课时78 卷积神经网络实战-2
• 课时79 卷积神经网络训练
• 课时80 ResNet实战-1
• 课时81 ResNet实战-2
• 课时82 ResNet实战-3
• 课时83 ResNet实战-4
• 课时84 实战小结
• 11.循环神经网络RNN&LSTM
• 课时85 时间序列表示方法
• 课时86 RNN原理-1
• 课时87 RNN原理-
• 课时88 RNN Layer使用-1
• 课时89 RNN Layer使用-2
• 课时90 时间序列预测实战
• 课时91 梯度弥散与梯度爆炸
• 课时92 LSTM原理-
• 课时93 LSTM原理-2
• 课时94 LSTM Layer使用
• 课时95 情感分类问题实战
• 12.迁移学习-实战宝可梦精灵
• 课时100 自定义数据集实战-3
• 课时101 自定义数据集实战-4
• 课时102 自定义数据集实战-5
• 课时103 自定义网络
• 课时104 自定义网络训练与测试
• 课时105 自定义网络实战
• 课时106 迁移学习
• 课时107 迁移学习实战
• 课时96 Pokemon数据集
• 课时97 数据预处理
• 课时98 自定义数据集实战-1
• 课时99 自定义数据集实战-2
• 13.自编码器Auto-Encoders
• 课时108 无监督学习
• 课时109 Auto-Encoder原理
• 课时110 Auto-Encoder变种
• 课时111 Adversarial Auto-Encoder
• 课时112 变分Auto-Encoder引入
• 课时113 Reparameterization trick
• 课时114 变分自编码器VAE
• 课时115 Auto-Encoder实战-1
• 课时116 Auto-Encoder实战-2
• 课时117 变分Auto-Encoder实战-1
• 课时118 变分Auto-Encoder实战-2
• 14.对抗生成网络GAN
• 课时119 数据的分布
• 课时120 画家的成长历程
• 课时121 GAN原理
• 课时122 纳什均衡-D
• 课时123 纳什均衡-G
• 课时124 JS散度的缺陷
• 课时125 EM距离
• 课时126 WGAN与WGAN-GP
• 课时127 GAN实战-GD实现
• 课时128 GAN实战-网络训练
• 课时129 GAN实战-网络训练鲁棒性
• 课时130 WGAN-GP实战
• 15.【选看】Ubuntu开发环境安装
• 课时131 Ubuntu系统安装
• 课时132 Anaconda安装
• 课时133 CUDA 10安装
• 课时134 环境变量配置
• 课时135 cudnn安装
• 课时136 PyCharm安装与配置
• 16.【选看】人工智能发展简史
• 课时137 生物神经元结构
• 课时138 感知机的提出
• 课时139 BP神经网络
• 课时140 CNN和LSTM的发明
• 课时141 人工智能的低潮
• 课时142 深度学习的诞生
• 课时143 深度学习的繁荣
• 17.【选看】Numpy实战BP神经网络
• 课时144 权值的表示
• 课时145 多层感知机的实现
• 课时146 多层感知机前向传播
• 课时147 多层感知机反向传播
• 课时148 多层感知机反向传播-2
• 课时149 多层感知机反向传播-3
• 课时150 多层感知机的训练
• 课时151 多层感知机的测试
• 课时152 实战小结
• 2.开发环境安装
• 课时3 开发环境安装（简介）
• 3.回归问题
• 课时10 手写数字识别初体验-2
• 课时11 手写数字识别初体验-3
• 课时12 手写数字识别初体验-4
• 课时13 手写数字识别初体验-5
• 课时4 简单回归问题-
• 课时5 简单回归问题-2
• 课时6 回归问题实战
• 课时7 分类问题引入-1
• 课时8 分类问题引入-2
• 课时9 手写数字识别初体验-1
• 4.PyTorch基础教程
• 课时14 张量数据类型-1
• 课时15 张量数据类型-2
• 课时16 创建Tensor-1
• 课时17 创建Tensor-2
• 课时18 索引与切片-1
• 课时19 索引与切片-2
• 课时20 维度变换-1
• 课时21 维度变换-2
• 课时22 维度变换-3
• 课时23 维度变换-4
• 5.PyTorch进阶教程
• 课时24 Broadcasting-1
• 课时25 Broadcasting-2
• 课时26 Broadcasting-3
• 课时27 合并与分割-1
• 课时28 合并与分割-2
• 课时29 数学运算-1
• 课时30 数学运算-2
• 课时31 属性统计-1
• 课时32 属性统计-2
• 课时33 高阶操作
• 6.随机梯度下降
• 课时34 什么是梯度-1
• 课时35 什么是梯度-2
• 课时36 常见函数的梯度
• 课时37 激活函数与Loss的梯度-1
• 课时38 激活函数与Loss的梯度-2
• 课时39 激活函数与Loss的梯度-3
• 课时40 激活函数与Loss的梯度-4
• 课时41 感知机的梯度推导-1
• 课时42 感知机的梯度推导-2
• 课时43 链式法则
• 课时44 反向传播算法-1
• 课时45 反向传播算法-2
• 课时46 优化问题实战
• 7.神经网络与全连接层
• 课时47 Logistic Regression
• 课时48 交叉熵-1
• 课时49 交叉熵-2
• 课时50 多分类问题实战
• 课时51 全连接层
• 课时52 激活函数与GPU加速
• 课时53 MNIST测试实战
• 课时54 Visdom可视化
• 8.过拟合
• 课时55 过拟合与欠拟合
• 课时56 交叉验证-1
• 课时57 交叉验证-2
• 课时58 Regularization
• 课时59 动量与学习率衰减
• 课时60 Early stopping, dropout等
• 9.卷积神经网络CNN
• 课时61 什么是卷积-1
• 课时62 什么是卷积-2
• 课时63 卷积神经网络-1
• 课时64 卷积神经网络-2
• 课时65 卷积神经网络-3
• 课时66 池化层与采样
• 课时67 BatchNorm-1
• 课时68 BatchNorm-2
• 课时69 经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-1
• 课时70 经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-2
• 课时71 ResNet与DenseNet-1
• 课时72 ResNet与DenseNet-2
• 课时73 nn.Module模块-1
• 课时74 nn.Module模块-2
• 课时75 数据增强
• 深度学习与PyTorch入门实战教程_源码+课件
• Deep-Learning-with-PyTorch-Tutorials