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！
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
评论(0)