人工智能深度学习系统班6期 03 深度学习核心框架PyTorch
- 01 PyTorch框架介绍与配置安装
- 01 PyTorch框架与其他框架区别分析
- 02 CPU与GPU版本安装方法解读
- 02 使用神经网络进行分类任务
- 01 数据集与任务概述
- 02 基本模块应用测试
- 03 网络结构定义方法
- 04 数据源定义简介
- 05 损失与训练模块分析
- 06 训练一个基本的分类模型
- 07 参数对结果的影响
- 03 神经网络回归任务-气温预测
- 01 神经网络回归任务-气温预测
- 04 卷积网络参数解读分析
- 01 输入特征通道分析
- 02 卷积网络参数解读
- 03 卷积网络模型训练
- 05 图像识别模型与训练策略（重点）
- 01 任务分析与图像数据基本处理
- 02 数据增强模块
- 03 数据集与模型选择
- 04 迁移学习方法解读
- 05 输出层与梯度设置
- 06 输出类别个数修改
- 07 优化器与学习率衰减
- 08 模型训练方法
- 09 重新训练全部模型
- 10 测试结果演示分析
- 06 DataLoader自定义数据集制作
- 01 Dataloader要完成的任务分析
- 02 图像数据与标签路径处理
- 03 Dataloader中需要实现的方法分析
- 04 实用Dataloader加载数据并训练模型
- 07 LSTM文本分类实战
- 01 数据集与任务目标分析
- 02 文本数据处理基本流程分析
- 03 命令行参数与DEBUG
- 04 训练模型所需基本配置参数分析
- 05 预料表与字符切分
- 06 字符预处理转换ID
- 07 LSTM网络结构基本定义
- 08 网络模型预测结果输出
- 09 模型训练任务与总结
- 08 PyTorch框架Flask部署例子
- 01 基本结构与训练好的模型加载
- 02 服务端处理与预测函数
- 03 基于Flask测试模型预测结果