课程介绍

《PyTorch入门到进阶 实战计算机视觉与自然语言处理项目》是一门针对计算机视觉和自然语言处理领域的实战课程，旨在帮助学习者掌握使用PyTorch进行深度学习项目开发的技能。

该课程从入门到进阶的顺序，逐步引导学习者掌握PyTorch的基本概念和使用方法。课程内容主要包括以下几个方面：

1. PyTorch基础知识：介绍PyTorch的基本概念、张量操作、自动求导等基本知识，帮助学习者快速上手PyTorch框架。
2. 计算机视觉项目实战：通过实例讲解，引导学习者完成计算机视觉项目的开发，如图像分类、目标检测、图像生成等任务。学习者将学会如何使用PyTorch构建卷积神经网络（CNN）模型，进行图像数据的预处理和模型训练。
3. 自然语言处理项目实战：通过实例讲解，引导学习者完成自然语言处理项目的开发，如文本分类、情感分析、机器翻译等任务。学习者将学会如何使用PyTorch构建循环神经网络（RNN）模型，进行文本数据的预处理和模型训练。
4. 模型优化与调优：介绍常见的模型优化方法，如学习率调整、正则化、批归一化等技术，帮助学习者提升模型性能。
5. 模型部署与应用：介绍如何将训练好的模型部署到实际应用中，如通过Flask搭建一个简单的模型服务。

通过该课程的学习，学习者可以掌握PyTorch的基本知识和实战技巧，能够独立完成计算机视觉和自然语言处理项目的开发，并对深度学习模型的优化和部署有一定的了解。

课程目录

/【imooc-440】PyTorch入门到进阶 实战计算机视觉与自然语言处理项目~5/
│├─第01章 课程介绍-选择Pytorch的理由
│├─第02章 初识PyTorch框架与环境搭建
│├─第03章 PyTorch入门基础串讲
│├─第04章 PyTorch搭建简单神经网络
│├─第05章 计算机视觉与卷积神经网络基础串讲
│├─第06章 PyTorch实战计算机视觉任务-Cifar10图像分类
│├─第07章 Pytorch实战计算机视觉任务-Pascal VOC目标检测问题
│├─第08章 PyTorch实战计算机视觉任务-COCO目标分割问题
│├─第09章 PyTorch搭建GAN网络实战图像风格迁移
│├─第10章 循环神经网与NLP基础串讲
│├─第11章 PyTorch实战中文文本情感分类问题
│├─第12章 PyTorch实战机器翻译问题
│├─第13章 PyTorch工程应用介绍
│├─第14章 【选修】Linux操作基础串讲
│├─第15章 课程总结与回顾
│├─课程资料

详细目录

第01章 课程介绍-选择Pytorch的理由/
│├─1-1 课程导学~1.mp4 32MB
第02章 初识PyTorch框架与环境搭建/
│├─2-1 初识Pytorch基本框架.mp4 18.3MB
│├─2-2 环境配置（1）.mp4 22.6MB
│├─2-3 环境配置（2）.mp4 116.4MB
第03章 PyTorch入门基础串讲/
│├─3-1 机器学习中的分类与回归问题-机器学习基本构成元素.mp4 27.3MB
│├─3-10 取整-余 (2).mp4 9.2MB
│├─3-11 比较运算-排序-topk-kthvalue-数据合法性校验 (2).mp4 52.1MB
│├─3-12 三角函数 (2).mp4 9.4MB
│├─3-13 其他数学函数.mp4 15.1MB
│├─3-14 Pytorch与统计学方法.mp4 77.8MB
│├─3-15 Pytorch与分布函数.mp4 11.1MB
│├─3-16 Pytorch与随机抽样.mp4 21.2MB
│├─3-17 Pytorch与线性代数运算.mp4 60.4MB
│├─3-18 Pytorch与矩阵分解-PCA.mp4 50.4MB
│├─3-19 Pytorch与矩阵分解-SVD分解-LDA.mp4 28MB
│├─3-2 Tensor的基本定义 (2).mp4 8.5MB
│├─3-20 Pytorch与张量裁剪.mp4 32.2MB
│├─3-21 Pytorch与张量的索引与数据筛选.mp4 179.5MB
│├─3-22 Pytorch与张量组合与拼接.mp4 58.2MB
│├─3-23 Pytorch与张量切片.mp4 56.3MB
│├─3-24 Pytorch与张量变形.mp4 113.8MB
│├─3-25 Pytorch与张量填充.mp4 9.8MB
│├─3-26 Pytorch与傅里叶变换.mp4 1.8MB
│├─3-27 Pytorch简单编程技巧.mp4 53.6MB
│├─3-28 Pytorch与autograd-导数-方向导数-偏导数-梯度的概念.mp4 16.6MB
│├─3-29 Pytorch与autograd-梯度与机器学习最优解.mp4 26MB
│├─3-3 Tensor与机器学习的关系 (2).mp4 9.8MB
│├─3-3 Tensor与机器学习的关系.mp4 13.1MB
│├─3-30 Pytorch与autograd-Variable$tensor.mp4 4.5MB
│├─3-31 Pytorch与autograd-如何计算梯度.mp4 5.1MB
│├─3-32 Pytorch与autograd中的几个重要概念-variable-grad-grad_fn.mp4 22.2MB
│├─3-33 Pytorch与autograd中的几个重要概念-function.mp4 59.1MB
│├─3-34 Pytorch与nn库.mp4 50.9MB
│├─3-35 Pytorch与visdom.mp4 14.3MB
│├─3-36 Pytorch与tensorboardX.mp4 23.8MB
│├─3-37 Pytorch与torchvision.mp4 12.5MB
│├─3-4 Tensor创建编程实例 (2).mp4 43.6MB
│├─3-5 Tensor的属性 (2).mp4 10.2MB
│├─3-6 Tensor的属性-稀疏的张量的编程实践 (2).mp4 17.7MB
│├─3-7 Tensor的算术运算 (2).mp4 11.6MB
│├─3-8 Tensor的算术运算编程实例 (2).mp4 48.6MB
│├─3-9 in-place的概念和广播机制 (2).mp4 18MB
第04章 PyTorch搭建简单神经网络/
│├─4-1 机器学习和神经网络的基本概念（1）.mp4 77.8MB
│├─4-2 机器学习和神经网络的基本概念（2）.mp4 52.2MB
│├─4-3 利用神经网络解决分类和回归问题（1）.mp4 82.2MB
│├─4-4 利用神经网络解决分类和回归问题（2）.mp4 228.4MB
│├─4-5 利用神经网络解决分类和回归问题（3）.mp4 94.6MB
│├─4-6 利用神经网络解决分类和回归问题（4）.mp4 107.1MB
│├─4-7 利用神经网络解决分类和回归问题（5）.mp4 158.6MB
第05章 计算机视觉与卷积神经网络基础串讲/
│├─5-1 计算机视觉基本概念.mp4 91.3MB
│├─5-10 多分支网络结构.mp4 9.1MB
│├─5-11 attention的网络结构.mp4 37.4MB
│├─5-12 学习率.mp4 13.7MB
│├─5-13 优化器.mp4 21.3MB
│├─5-14 卷积神经网添加正则化.mp4 7MB
│├─5-2 图像处理常见概念.mp4 106.2MB
│├─5-3 特征工程.mp4 37.8MB
│├─5-4 卷积神经网（上）.mp4 49MB
│├─5-5 卷积神经网（下）.mp4 45.1MB
│├─5-6 pooling层.mp4 14.6MB
│├─5-7 激活层-BN层-FC层-损失层.mp4 36.9MB
│├─5-8 经典卷积神经网络结构.mp4 39.7MB
│├─5-9 轻量型网络结构.mp4 29.2MB
第06章 PyTorch实战计算机视觉任务-Cifar10图像分类/
│├─1-1 图像分类网络模型框架解读（上）.mp4 22.8MB
│├─1-10 PyTorch搭建cifar10训练脚本搭建-ResNet结构（下）.mp4 55.4MB
│├─1-11 PyTorch搭建cifar10训练脚本搭建-Mobilenetv1结构.mp4 52.5MB
│├─1-12 PyTorch搭建cifar10训练脚本搭建-Inception结构（上）.mp4 55.2MB
│├─1-13 PyTorch搭建cifar10训练脚本搭建-Inception结构（下）.mp4 39.1MB
│├─1-14 PyTorch搭建cifar10训练脚本搭建-调用Pytorch标准网络ResNet18等.mp4 27.1MB
│├─1-15 PyTorch搭建cifar10推理测试脚本搭建.mp4 37.9MB
│├─1-16 分类问题优化思路.mp4 41.3MB
│├─1-17 分类问题最新研究进展和方向.mp4 13.1MB
│├─1-2 图像分类网络模型框架解读（下）.mp4 30MB
│├─1-3 cifar10数据介绍-读取-处理（上）.mp4 44.4MB
│├─1-4 cifar10数据介绍-读取-处理（下）.mp4 55.3MB
│├─1-5 PyTorch自定义数据加载-加载Cifar10数据.mp4 67.4MB
│├─1-6 PyTorch搭建 VGGNet 实现Cifar10图像分类.mp4 69MB
│├─1-7 PyTorch搭建cifar10训练脚本-tensorboard记录LOG（上）.mp4 74.5MB
│├─1-8 PyTorch搭建cifar10训练脚本-tensorboard记录LOG（下）.mp4 135.1MB
│├─1-9 PyTorch搭建cifar10训练脚本搭建-ResNet结构（上）.mp4 73.3MB
第07章 Pytorch实战计算机视觉任务-Pascal VOC目标检测问题/
│├─7-1 目标检测问题介绍（上）.mp4 28.4MB
│├─7-10 MMdetection LOG分析.mp4 60.9MB
│├─7-2 目标检测问题介绍（下）.mp4 26.5MB
│├─7-3 Pascal VOC-COCO数据集介绍.mp4 9.3MB
│├─7-4 MMdetection框架介绍-安装说明.mp4 27.1MB
│├─7-5 MMdetection框架使用说明.mp4 21.6MB
│├─7-6 MMdetection训练Passcal VOC目标检测任务（上）.mp4 106MB
│├─7-7 MMdetection训练Passcal VOC目标检测任务（中）.mp4 89.8MB
│├─7-8 MMdetection训练Passcal VOC目标检测任务（下）.mp4 96.5MB
│├─7-9 MMdetection Test脚本.mp4 20.8MB
第08章 PyTorch实战计算机视觉任务-COCO目标分割问题/
│├─8-1 图像分割基本概念.mp4 20.4MB
│├─8-2 图像分割方法介绍.mp4 31.8MB
│├─8-3 图像分割评价指标及目前面临的挑战.mp4 17MB
│├─8-4 COCO数据集介绍.mp4 8.1MB
│├─8-5 detectron框架介绍和使用简单说明.mp4 17.8MB
│├─8-6 coco数据集标注文件解析.mp4 38.3MB
│├─8-7 detectron源码解读和模型训练-demo测试.mp4 279.7MB
第09章 PyTorch搭建GAN网络实战图像风格迁移/
│├─9-1 GAN的基础概念和典型模型介绍（上）.mp4 24.5MB
│├─9-2 GAN的基础概念和典型模型介绍（下）.mp4 30.1MB
│├─9-3 图像风格转换数据下载与自定义dataset类.mp4 54MB
│├─9-4 cycleGAN模型搭建-model.mp4 74.1MB
│├─9-5 cycleGAN模型搭建-train（上）.mp4 89.5MB
│├─9-6 cycleGAN模型搭建-train（下）.mp4 114MB
│├─9-7 cycleGAN模型搭建-test.mp4 31.8MB
第10章 循环神经网与NLP基础串讲/
│├─10-1 RNN网络基础.mp4 12.5MB
│├─10-2 RNN常见网络结构-simple RNN网络.mp4 17.4MB
│├─10-3 Bi-RNN网络.mp4 7.7MB
│├─10-4 LSTM网络基础.mp4 23.1MB
│├─10-5 Attention结构.mp4 19.2MB
│├─10-6 Transformer结构.mp4 20.1MB
│├─10-7 BERT结构.mp4 12.7MB
│├─10-8 NLP基础概念介绍.mp4 22.5MB
第11章 PyTorch实战中文文本情感分类问题/
│├─11-1 文本情感分析-情感分类概念介绍.mp4 16.4MB
│├─11-10 文本情感分类-test脚本定义.mp4 29MB
│├─11-2 文本情感分类关键流程介绍.mp4 3.4MB
│├─11-3 文本情感分类之文本预处理.mp4 13MB
│├─11-4 文本情感分类之特征提取与文本表示.mp4 11.2MB
│├─11-5 文本情感分类之深度学习模型.mp4 13.6MB
│├─11-6 文本情感分类-数据准备.mp4 82.6MB
│├─11-7 文本情感分类-dataset类定义.mp4 57.8MB
│├─11-8 文本情感分类-model类定义.mp4 58.7MB
│├─11-9 文本情感分类-train脚本定义.mp4 80.8MB
第12章 PyTorch实战机器翻译问题/
│├─12-1 机器翻译相关方法-应用场景-评价方法.mp4 27.7MB
│├─12-2 Seq2Seq-Attention编程实例数据准备-模型结构-相关函数.mp4 10.8MB
│├─12-3 Seq2Seq-Attention编程实例-定义数据处理模块.mp4 82.8MB
│├─12-4 Seq2Seq-Attention编程实例-定义模型结构模块（上）.mp4 64.9MB
│├─12-5 Seq2Seq-Attention编程实例-定义模型结构模块（下）.mp4 71.8MB
│├─12-6 Seq2Seq-Attention编程实例-定义train模块（上）.mp4 49MB
│├─12-7 Seq2Seq-Attention编程实例-定义train模块（下）.mp4 47.6MB
│├─12-8 Seq2Seq-Attention编程实例-定义train模块-loss function.mp4 79.6MB
│├─12-9 Seq2Seq-Attention编程实例-定义eval模块.mp4 38.6MB
第13章 PyTorch工程应用介绍/
│├─13-1 PyTorch模型开发与部署基础平台介绍.mp4 14.3MB
│├─13-2 PyTorch工程化基础–Torchscript.mp4 14MB
│├─13-3 PyTorch服务端发布平台–Torchserver.mp4 11.4MB
│├─13-4 PyTorch终端推理基础–ONNX.mp4 9.4MB
第14章 【选修】Linux操作基础串讲/
│├─14-1 linux操作基础串讲.mp4 34.8MB
第15章 课程总结与回顾/
│├─15-1 课程总结.mp4 19.2MB
课程资料/
│├─Pytorch_code-master.zip 310.7KB
│├─课程资料.rar 24.5MB