- 00 开篇词 如何高效入门PyTorch？
- 01 PyTorch：网红中的顶流明星
- 02 NumPy（上）：核心数据结构详解
- 03 NumPy（下）：深度学习中的常用操作
- 04 Tensor：PyTorch中最基础的计算单元
- 05 Tensor变形记：快速掌握Tensor切分、变形等方法
- 06 Torchvision（上）：数据读取，训练开始的第一步
- 07 Torchvision（中）：数据增强，让数据更加多样性
- 08 Torchvision（下）：其他有趣的功能
- 09 卷积（上）：如何用卷积为计算机“开天眼”？
- 10 卷积（下）：如何用卷积为计算机“开天眼”？
- 11 损失函数：如何帮助模型学会“自省”？
- 12 计算梯度：网络的前向与反向传播
- 13 优化方法：更新模型参数的方法
- 14 构建网络：一站式实现模型搭建与训练
- 15 可视化工具：如何实现训练的可视化监控？
- 16 分布式训练：如何加速你的模型训练？
- 17 图像分类（上）：图像分类原理与图像分类模型
- 18 图像分类（下）：如何构建一个图像分类模型_
- 19 图像分割（上）：详解图像分割原理与图像分割模型
- 20 图像分割（下）：如何构建一个图像分割模型？
- 21 NLP基础（上）：详解自然语言处理原理与常用算法
- 22 NLP基础（下）：详解语言模型与注意力机制
- 23 情感分析：如何使用LSTM进行情感分析？
- 24 文本分类：如何使用BERT构建文本分类模型？
- 25 摘要：如何快速实现自动文摘生成？
- 加餐 机器学习其实就那么几件事
- 用户故事 Tango：师傅领进门，修行在个人
- 答疑篇 思考题答案集锦
- 结束语 人生充满选择，选择与努力同样重要
- 捐赠
PyTorch深度学习实战
- 00 开篇词 如何高效入门PyTorch？
- 01 PyTorch：网红中的顶流明星
- 02 NumPy（上）：核心数据结构详解
- 03 NumPy（下）：深度学习中的常用操作
- 04 Tensor：PyTorch中最基础的计算单元
- 05 Tensor变形记：快速掌握Tensor切分、变形等方法
- 06 Torchvision（上）：数据读取，训练开始的第一步
- 07 Torchvision（中）：数据增强，让数据更加多样性
- 08 Torchvision（下）：其他有趣的功能
- 09 卷积（上）：如何用卷积为计算机“开天眼”？
- 10 卷积（下）：如何用卷积为计算机“开天眼”？
- 11 损失函数：如何帮助模型学会“自省”？
- 12 计算梯度：网络的前向与反向传播
- 13 优化方法：更新模型参数的方法
- 14 构建网络：一站式实现模型搭建与训练
- 15 可视化工具：如何实现训练的可视化监控？
- 16 分布式训练：如何加速你的模型训练？
- 17 图像分类（上）：图像分类原理与图像分类模型
- 18 图像分类（下）：如何构建一个图像分类模型_
- 19 图像分割（上）：详解图像分割原理与图像分割模型
- 20 图像分割（下）：如何构建一个图像分割模型？
- 21 NLP基础（上）：详解自然语言处理原理与常用算法
- 22 NLP基础（下）：详解语言模型与注意力机制
- 23 情感分析：如何使用LSTM进行情感分析？
- 24 文本分类：如何使用BERT构建文本分类模型？
- 25 摘要：如何快速实现自动文摘生成？
- 加餐 机器学习其实就那么几件事
- 用户故事 Tango：师傅领进门，修行在个人
- 答疑篇 思考题答案集锦
- 结束语 人生充满选择，选择与努力同样重要
© 2024 Nover . Powered by gin and hexo-theme-book .