请先阅读清楚以下条款，下载即代表同意条款内容：
本站资源仅供本地电脑研究软件内含使用，禁止任何非研究设计思想和原理为目的用途，如需商用请支持正版！
该资源仅供个人学习参考,请勿用于商业用途，禁止未经版权方授权允许私自运营软件或应用行为，否则产生的一切后果将由您自己承担。
本站资源仅供本地电脑研究软件内含使用，禁止任何非研究设计思想和原理为目的用途，如需商用请支持正版！
本站资源仅供本地电脑研究软件内含使用，仅供研究学习之用，如下载改变其用途与使用方式，与本站无任何关系，本站已经进行告知义务！
本站所有内容均由互联网收集整理、网友上传，并且以计算机技术研究交流为目的，仅供大家参考、学习，请勿用于任何商业目的与商业用途，我们只做安全认证测试
如果资源侵犯了您的版权利益，请联系站长邮箱：dsymbcom@gmail.com
资源简介
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
├─pytorch第二周作业讲解..ts
├─开营仪式回放-老师部分.ts
├─第一周.txt
├─第一周第一节：pytorch简介与安装.ts
├─第一周第三节：张量操作与线性回归.ts
├─第一周第二节：张量简介与创建.ts
├─第一周第五节：autograd与逻辑回归.ts
├─第一周第四节：计算图与动态图机制.ts
├─第三周.txt
├─第三周第一节课：模型创建步骤与nn.Module.ts
├─第三周第三节课.ts
├─第三周第二节课：模型容器与AlexNet构建.ts
├─第三周第四节课.ts
├─第二周..txt
├─第二周第一节课：Dataloader与Dataset..ts
├─第二周第三节课：transforms..ts
├─第二周第二节课：transforms与normalize..ts
├─第二周第四节课：transforms（二）..ts
├─第五周...txt
├─第五周第一节.ts
├─第五周第三节.ts
├─第五周第二节：TensorBoard简介与安装.ts
├─第五周第五节.ts
├─第五周第四节.ts
├─第六周..txt
├─第六周第一节.ts
├─第六周第二节正则化之Dropout.ts
├─第四周...txt
├─第四周第一节课：权值初始化.ts
├─第四周第三节.ts
├─第四周第二节课.ts
├─第四周第五节.ts
├─第四周第四节：优化器(一).ts
评论0