【训练营5期】深度学习实战-百度云网盘资源分享
随机试看：https://pan.baidu.com/s/1VXJiSho63c9C3a_yML9sOw 密码：ys8j
资源目录：
【训练营5期】深度学习实战
| ├──1.Lesson 0.1 GPU购买与GPU白嫖指南.mp4 161.58M
| ├──10.Lesson 7.1 神经网络的诞生与发展.mp4 529.93M
| ├──100.Lesson 18.3.1 数据探索（上）：数据结构与病理图像可视化.mp4 385.25M
| ├──11.Lesson 7.2 机器学习中的基本概念.mp4 509.35M
| ├──12.Lesson 7.3 深入理解PyTorch框架.mp4 411.52M
| ├──13.Lesson 8.1单层回归神经网络 & Tensor新手避坑指南.mp4 799.78M
| ├──14.Lesson 8.2 torch.nn.Linear实现单层回归网络的正向传播.mp4 318.35M
| ├──15.Lesson 8.3 二分类神经网络的原理与实现.mp4 498.14M
| ├──16.Lesson 8.4 torch.nn.functional实现单层二分类网络的正向传播.mp4 216.03M
| ├──17.Lesson 8.5 多分类神经网络.mp4 531.86M
| ├──18.Lesson 9.1 从异或门问题认识多层神经网络.mp4 732.25M
| ├──19.Lesson 9.2 黑箱：深度神经网络的不可解释性.mp4 405.00M
| ├──2.Lesson 0.2 PyTorch安装与部署（CPU版本）.mp4 96.10M
| ├──20.Lesson 9.3 & 9.4 层与激活函数.mp4 262.03M
| ├──21.Lesson 9.5 从0实现深度神经网络的正向传播.mp4 997.90M
| ├──22.Lesson 10.1 SSE与二分类交叉熵损失.mp4 632.13M
| ├──23.Lesson 10.2 二分类交叉熵的原理与实现.mp4 408.43M
| ├──24.Lesson 10.3 多分类交叉熵的原理与实现.mp4 487.38M
| ├──25.Lesson 11.1 梯度下降中的两个关键问题.mp4 525.79M
| ├──26.Lesson 11.2(1) 反向传播的原理.mp4 505.30M
| ├──27.Lesson 11.2(2) 反向传播的实现.mp4 417.51M
| ├──28.Lesson 11.3 走出第一步：动量法Momentum.mp4 655.70M
| ├──29.Lesson 11.4 开始迭代：batch与epochs.mp4 674.39M
| ├──3.Lesson 0.3 PyTorch安装与配置（GPU版本）.mp4 133.96M
| ├──30.Lesson 11.5 在Fashion-MNIST数据集上实现完整的神经网络（上）.mp4 504.54M
| ├──31.Lesson 11.5 在Fashion-MNIST数据集上实现完整的神经网络（下）.mp4 1017.73M
| ├──32.Lesson 12.0 深度学习基础网络手动搭建与快速实现.mp4 236.24M
| ├──33.Lesson 12.1 深度学习建模实验中数据集生成函数的创建与使用.mp4 1.19G
| ├──34.Lesson 12.2 可视化工具TensorBoard的安装与使用.mp4 387.52M
| ├──35.Lesson 12.3 线性回归建模实验.mp4 569.75M
| ├──36.Lesson 12.4 逻辑回归建模实验.mp4 704.44M
| ├──37.Lesson 12.5 softmax回归建模实验.mp4 959.72M
| ├──38.Lesson 13.1 深度学习建模目标与性能评估理论.mp4 1.10G
| ├──39.Lesson 13.2 模型拟合度概念介绍与欠拟合模型的结构调整策略.mp4 1.20G
| ├──4.Lesson1.张量的创建与常用方法.mp4 404.65M
| ├──40.Lesson 13.2 【加餐】损失函数的随机创建现象详解.mp4 357.39M
| ├──41.Lesson 13.3 梯度不平稳性与Glorot条件（1）.mp4 624.94M
| ├──42.Lesson 13.3 梯度不平稳性与Glorot条件（2）.mp4 457.15M
| ├──43.Lesson 13.3 梯度不平稳性与Glorot条件（3）.mp4 514.04M
| ├──44.Lesson 13.4 Dead ReLU Problem与学习率优化.mp4 763.22M
| ├──45.Lesson 13.5 Xavier方法与kaiming方法（HE初始化）.mp4 919.39M
| ├──46.Lesson 14.1 数据归一化与Batch Normalization基础理论.mp4 1.01G
| ├──47.Lesson 14.2 Batch Normalization在PyTorch中的实现.mp4 1.16G
| ├──48.Lesson 14.3 Batch Normalization综合调参实战.mp4 944.67M
| ├──49.Lesson 15.1 学习率调度基本概念与手动实现方法.mp4 895.10M
| ├──5.Lesson 2 张量的索引、分片、合并及维度调整.mp4 305.24M
| ├──50.Lesson 15.2 学习率调度在PyTorch中的实现方法.mp4 941.05M
| ├──51.Lesson 16.1 配置环境，计算机视觉行业综述.mp4 547.70M
| ├──52.Lesson 16.2 图像的基本操作.mp4 579.20M
| ├──53.Lesson 16.3 卷积操作与边缘检测.mp4 431.99M
| ├──54.Lesson 16.4 卷积遇见深度学习.mp4 291.32M
| ├──55.Lesson 16.5 在Pytorch中实现卷积网络（上）：卷积核、输入通与特征图.mp4 444.89M
| ├──56.Lesson 16.5 在PyTorch中实现卷积网络（中）：步长与填充.mp4 621.77M
| ├──57.Lesson 16.5 在PyTorch中实现卷积网络（下）：池化层，BN与Dropout.mp4 467.97M
| ├──58.Lesson 16.6 复现经典架构(1)：LeNet5.mp4 374.24M
| ├──59.Lesson 16.6 复现经典架构 (2)：AlexNet.mp4 770.77M
| ├──6.Lesson 3 张量的广播和科学运算.mp4 312.28M
| ├──60.Lesson 16.7 如何拓展网络深度：VGG架构.mp4 599.87M
| ├──61.Lesson 16.8 感受野（上）：定义与性质.mp4 616.97M
| ├──62.Lesson 16.8 感受野（下）：膨胀卷积，计算感受野大小.mp4 675.63M
| ├──63.Lesson 16.9 平移不变性.mp4 528.63M
| ├──64.Lesson 16.10 卷积层的参数量计算，1×1卷积核.mp4 402.89M
| ├──65.Lesson 16.11 分组卷积与深度可分离卷积.mp4 392.89M
| ├──66.Lesson 16.12 全连接层，nn.Sequential.mp4 648.87M
| ├──67.Lesson 16.13 全局平均池化，NiN网络的复现.mp4 545.96M
| ├──68.Lesson 16.14 GoogLeNet：思想与具体架构.mp4 739.65M
| ├──69.Lesson 16.15 GoogLeNet的复现.mp4 1008.56M
| ├──7.Lesson 4 张量的线性代数运算.mp4 407.08M
| ├──70.Lesson 16.16 残差网络：思想与具体架构.mp4 553.92M
| ├──71.Lesson 16.17 ResNet的复现 (1) ：架构中的陷阱.mp4 461.80M
| ├──72.Lesson 16.17 ResNet的复现 (2) ：卷积块、残差块、瓶颈架构.mp4 1.00G
| ├──73.Lesson 16.17 ResNet的复现 (3)：完整的残差网络.mp4 1.08G
| ├──74.Lesson 17.1 计算机视觉中的三种基本任务.mp4 401.44M
| ├──75.Lesson 17.2 经典数据集(1)：入门数据集，新手读数据踩坑指南.mp4 511.58M
| ├──76.Lesson 17.2 经典数据集(2)：竞赛数据与其他常用数据.mp4 510.58M
| ├──77.Lesson 17.3（上）使用自己的图像创造数据集.mp4 987.00M
| ├──78.Lesson 17.3 （下）将二维表及其他结构转化为四维tensor.mp4 596.80M
| ├──79.Lesson 17.4 图像数据的数据预处理.mp4 385.51M
| ├──8.Lesson 5 基本优化方法与最小二乘法.mp4 1.51G
| ├──80.Lesson 17.5 数据增强.mp4 447.23M
| ├──81.Lesson 17.6 更强大的优化算法 (1) AdaGrad.mp4 603.25M
| ├──82.Lesson 17.6 更强大的优化算法(2) RMSprop与Adam.mp4 638.83M
| ├──83.Lesson 17.7 调用经典架构.mp4 244.63M
| ├──84.Lesson 17.8（1）基于ResNet与VGG16自建架构.mp4 391.32M
| ├──85.Lesson 17.8 (2) 基于普通卷积层和池化层自建架构.mp4 285.16M
| ├──86.Lesson 17.9 有监督算法的预训练.迁移学习.mp4 688.17M
| ├──87.Lesson 17.10 深度学习中的模型选择.mp4 430.00M
| ├──88.Lesson 17.11(1) 案例1：项目背景.完整流程概述.mp4 350.17M
| ├──89.Lesson 17.11(2) 案例1：数据与架构.mp4 668.51M
| ├──9.Lesson 6 动态计算图与梯度下降入门.mp4 1.46G
| ├──90.Lesson 17.11(3) 案例1：提前停止.mp4 423.70M
| ├──91.Lesson 17.11(4) 案例1：一个完整的训练函数.mp4 891.11M
| ├──92.Lesson 17.11(5) 准备训练函数所需的全部参数.mp4 166.22M
| ├──93.Lesson 17.11(6) GPU内存管理机制、训练函数的GPU版本.mp4 309.19M
| ├──94.Lesson 17.11(7) 初步训练：模型选择.mp4 256.70M
| ├──95.Lesson 17.11(8) 模型调优(1)：增加迭代次数，让迭代更稳定.mp4 284.81M
| ├──96.Lesson 17.11(9) 模型调优(2)：对抗过拟合，其他可探索的方向.mp4 255.09M
| ├──97.Lesson 18.1 案例背景与benchmark建立.mp4 179.93M
| ├──98.Lesson 18.2.1 使用OpenCV批量分片高像素图像（上）.mp4 195.02M
| ├──99.Lesson 18.2.2 使用OpenCV批量分片高像素图像（下）.mp4 358.95M
| └──深度学习训练营第五期.rar 38.81G
部分截图：
如有问题，可联系客服微信（记得备注来意则会通过）
用户投稿
