深度学习理论与实战PyTorch实现(视频+图文+代码)

课程来自深度之眼的深度学习理论与实战PyTorch实现,课程适用入门人工智能,基础比较薄弱、缺乏系统学习+项目实战经验的学员。全网买得起的靠谱人工智能在线课,专为小白用户设计的学习梯度,科学合理,视频重点讲解+图文补充阅读+配套项目+助教服务,系统代码实现+详细逐行代码注释,掌握深度学习核心知识和实践技能!


课程目录:

├─01.预备内容(入门)

│      01.【视频】你的入门学习指南.mp4

│      02.【图文】入行AI为什么系统学习数学知识的最终放弃—7个建议.pdf

│      03.【图文】入行人工智能为什么不需要系统学习Python知识.pdf

│      04.【图文】为什么从深度学习入行人工智能最快.pdf

│      05.【视频】深度学习概论.mp4

│      06.【视频】代码版本控制和托管平台GitHub简介(1).mp4

│      06.【视频】代码版本控制和托管平台GitHub简介.mp4

│      07.【图文】深度学习环境安装和配置.pdf

│      

├─02.Python基础(入门)

│  │  01.【图文】Python环境安装.pdf

│  │  02.【视频】Python基础.mp4

│  │  03.【代码】详解Python及代码下载(见附件).pdf

│  │  

│  └─资料

│          03.python code download.zip

│          

├─03.PyTorch基础(入门)

│  │  01.【图文】PyTorch简介.pdf

│  │  02.【视频】PyTorch基础1-简介及Tensor.mp4

│  │  03.【视频】PyTorch基础2-Variable和自动求导.mp4

│  │  04.【代码】Tensor和Variable代码详解及下载(见附件).pdf

│  │  05.【代码】自动求导代码详解及下载(见附件).pdf

│  │  06.【代码】动态图代码详解及下载(见附件).pdf

│  │  

│  └─资料

│          04.Tensor-and-Variable_code.zip

│          05.autograd_code.zip

│          06.dynamic-graph_code.zip

│          

├─04.神经网络(进阶)

│  │  01.【视频】神经网络1-线性模型、梯度下降及框架实现.mp4

│  │  02.【图文】线性模型和梯度下降.pdf

│  │  03.【代码】线性模型和梯度下降代码详解及下载(见附件).pdf

│  │  04.【视频】神经网络2-Logistic回归.mp4

│  │  05.【图文】Logistic回归.pdf

│  │  06.【代码】logistic回归代码详解及下载(见附件).pdf

│  │  07.【视频】神经网络3-多层神经网络.mp4

│  │  08.【图文】多层神经网络.pdf

│  │  09.【代码】多层神经网络代码详解及下载(见附件).pdf

│  │  10.【视频】神经网络4-多分类问题及深层神经网络.mp4

│  │  11.【图文】多分类问题及深层神经网络.pdf

│  │  12.【代码】深层神经网络代码详解及下载(见资料).pdf

│  │  13.【视频】神经网络5-反向传播算法.mp4

│  │  14.【图文】反向传播算法.pdf

│  │  15.【图文】优化算法介绍.pdf

│  │  16.【图文】优化算法变式.pdf

│  │  17.【代码】参数初始化代码详解及下载(见附件).pdf

│  │  18.【代码】优化算法1-梯度下降法代码详解(下载见附件).pdf

│  │  19.【代码】优化算法2-动量法代码详解(下载见附件).pdf

│  │  20.【代码】优化算法3-Adagrad代码详解(下载见附件).pdf

│  │  21.【代码】优化算法4-RMSProp代码详解(下载见附件).pdf

│  │  22.【代码】优化算法5-Adadelta代码详解(下载见附件).pdf

│  │  23.【代码】优化算法6-Adam代码详解(下载见附件).pdf

│  │  24.【实战项目1】使用神经网络预测房价(数据集附件下载).pdf

│  │  

│  └─资料

│          03.linear-regression-gradient-descend_ipynb.zip

│          06.logistic-regression.ipynb.zip

│          09.nn-multilayer.ipynb.zip

│          12.deep-nn.ipynb.zip

│          17.param_initialize_code.zip

│          18.sgd-code.zip

│          19.momentum-code.zip

│          20.adagrad-code.zip

│          21.rmsprop-code.zip

│          22.adadelta-code.zip

│          23.adam-code.zip

│          24.PyTorch-predict-house-prices-P1-master-code%26data.zip

│          

├─05.卷积神经网络(进阶)

│  │  01.【视频】卷积神经网络1-背景及应用.mp4

│  │  02.【视频】卷积神经网络2-卷积神经网络基础.mp4

│  │  03.【视频】卷积神经网络3-Pytorch实现.mp4

│  │  04.【图文】卷积神经网络.pdf

│  │  05.【代码】卷积和池化的框架实现代码详解(下载见附件).pdf

│  │  06.【图文】数据预处理与批标准化.pdf

│  │  07.【图文】经典卷积神经网络.pdf

│  │  08.【视频】经典卷积神经网络-AlexNet.mp4

│  │  09.【代码】AlexNet代码详解(下载见附件).pdf

│  │  10.【视频】经典卷积神经网络-VGG.mp4

│  │  11.【代码】VGG代码详解(下载见附件).pdf

│  │  12.【视频】经典卷积神经网络-GoogLeNet.mp4

│  │  13.【代码】GoogLeNet代码详解(下载见附件).pdf

│  │  14.【视频】经典卷积神经网络-ResNet.mp4

│  │  15.【代码】ResNet代码详解(下载见附件).pdf

│  │  16.【视频】经典卷积神经网络-DenseNet.mp4

│  │  17.【代码】DenseNet代码详解(下载见附件).pdf

│  │  18.【视频】卷积神经网络-训练技巧.mp4

│  │  19.【图文】训练卷积神经网络.pdf

│  │  20.【代码】数据增强代码详解(下载见附件).pdf

│  │  21.【代码】数据读取代码详解(下载见附件).pdf

│  │  22.【代码】微调进行迁移学习代码详解(下载见附件).pdf

│  │  23.【代码】学习率下降代码详解(下载见附件).pdf

│  │  24.【代码】批标准化代码详解(下载见附件).pdf

│  │  25.【代码】正则化代码详解(下载见附件).pdf

│  │  26.【代码】Tensorboard代码详解(下载见附件).pdf

│  │  27.【实战项目2】驾驶员状态监测(数据集见附件).pdf

│  │  

│  └─资料

│          05.basic_conv download.zip

│          05.utils.py

│          09.9%E4%BB%A3%E7%A0%81%E4%B8%8B%E8%BD%BDalexnet.zip

│          09.alexnet download.zip

│          11.vgg download.zip

│          13.googlenet download.zip

│          15.resnet download.zip

│          17.densenet download.zip

│          20.data-augumentation-code.zip

│          21.data-io-code.zip

│          22.fine-tune-code.zip

│          23.lr-decay-code.zip

│          24.normalization-code.zip

│          25.regularization-code.zip

│          26.tensorboard-code.zip

│          27.PyTorch-distracted-driver-P2-master.zip

│          

├─06.循环神经网络(进阶)

│  │  01.【视频】循环神经网络1-循环神经网络基础.mp4

│  │  02.【图文&代码】循环神经网络基础(代码详解及下载见附件).pdf

│  │  03.【视频】循环神经网络2-循环神经网络的应用.mp4

│  │  04.【图文&代码】循环神经网络应用(代码详解及下载见附件).pdf

│  │  05.【代码】RNN PyTorch实现代码详解(下载见附件).pdf

│  │  06.【代码】RNN图像分类的应用代码详解(下载见附件).pdf

│  │  07.【代码】RNN时间序列应用代码详解(下载见附件).pdf

│  │  08.【代码】RNN词嵌入代码详解(下载见附件).pdf

│  │  09.【代码】RNN N-Gram代码详解(下载见附件).pdf

│  │  10.【代码】RNN LSTM代码详解(下载见附件).pdf

│  │  11.【实战项目3】通过RNN创作古诗(数据集见附件).pdf

│  │  

│  └─资料

│          04.RNN app download.zip

│          05.pytorch-rnn-code.zip

│          06.rnn-for-image-code.zip

│          07.time-series-code.zip

│          08.word-embedding-code.zip

│          09.n-gram-code.zip

│          10.seq-lstm-code.zip

│          11.PyTorch-poetry-generation-P3-master.zip

│          

├─07.生成对抗网络GAN(进阶)

│  │  01.【视频】生成对抗网络1-自动编码器.mp4

│  │  02.【视频】生成对抗网络2-变分自动编码器.mp4

│  │  03.【视频】生成对抗网络3-生成对抗网络.mp4

│  │  04.【图文】生成对抗网络.pdf

│  │  05.【代码】自动编码器代码详解(下载见附件).pdf

│  │  06.【代码】变分自动编码器代码详解(下载见附件).pdf

│  │  07.【代码】生成对抗网络代码详解(下载见附件).pdf

│  │  08.【实战项目4】生成对抗网络生成人脸(数据集见附件).pdf

│  │  

│  └─资料

│          05.autoencoder download.zip

│          06.vae download.zip

│          07.gan download.zip

│          

├─08.强化学习(进阶)

│  │  01.【视频】强化学习.mp4

│  │  02.【图文】强化学习.pdf

│  │  03.【代码】q Learning代码详解及下载(附件).pdf

│  │  04.【代码】深度Q网络代码详解及下载(附件).pdf

│  │  

│  └─资料

│          03.q-learning-intro download.zip

│          04.dqn download.zip

│          

└─09.毕业项目

        01.【实战项目5】毕业项目.pdf