深度之眼PyTorch训练营第四期 笔记目录(已完结)

文章目录


说明:本期训练营来自深度之眼,现已更新完毕

  • 目录
    • 课程笔记
      • PyTorch中的张量
      • PyTorch的计算图与动态图机制
      • PyTorch中自动求导系统(torch.autograd
      • 数据读取机制中的DataloaderDataset
      • 图像预处理(图像增强)——transforms
      • 模型创建与nn.Module
      • 模型容器与AlexNet构建
      • 神经网络中的卷积层
      • 池化、线性、激活函数层
      • 权值初始化
      • 损失函数
      • 优化器
      • 学习率调整策略
      • PyTorch中的可视化工具
      • Hook函数与CAM算法
      • 正则化之weight decay
      • 正则化之Dropout
      • 标准化
      • 模型的保存与加载
      • 模型微调(Finetune)
      • GPU的使用
      • Pytorch报错总结
      • 图像分类与Resnet
      • 图像分割与Pytorch实现
      • 目标检测与Faster RCNN
      • 生成对抗网络GAN与Pytorch实现
      • 循环神经网络RNN与Pytorch实现

你可能感兴趣的:(深度之眼PyTorch训练营第四期 笔记目录(已完结))