深度学习理论与实战PyTorch实现
〖课程介绍〗:适用人群：
入门人工智能，基础比较薄弱、缺乏系统学习+项目实战经验的学员
课程概述：' N& b# Z& d1 K# ]( C
感受爽到爆的课程，试听3个课时，你会爱不释手9 @' e% S& O2 V6 c3 |
专为小白用户设计的学习梯度，科学合理！
视频重点讲解+图文补充阅读+配套项目+助教服务！
系统代码实现+详细逐行代码注释！
掌握深度学习核心知识和实践技能！$ z7 [% X$ V% u& z" f
4 @2 B0 i: m$ F: g' @' u5 X- M
〖课程目录〗:
章节1:预备内容（入门）
课时1【免费视频】你的入门学习指南07:31
课时2【免费图文】入行AI为什么系统学习数学知识的最终放弃—7个建议
课时3【免费图文】入行人工智能为什么不需要系统学习Python知识3 l! _% F2 s! z7 h
课时4【免费图文】为什么从深度学习入行人工智能最快
课时5【免费视频】深度学习概论14:53* B1 l+ o& p+ P7 M5 u
课时6【免费视频】代码版本控制和托管平台GitHub简介04:18
课时7【免费图文】深度学习环境安装和配置, Z$
章节2:Python基础（入门）- ~7 t" T- N- A) _
课时8【免费图文】Python环境安装+ c, a6 E6 W9 L! _$ {' z5 k
课时9【免费视频】Python基础12:30- o0 C: n0 N8 k8 {7 m; B7 D
课时10【代码】详解Python及代码下载（见附件）! g4 A, J% u1 N0 ?* D+ N7 X
章节3:PyTorch基础（入门）
课时11【图文】PyTorch简介5 y( m. Q: S' X3 V9 g6 Q7 r3 d
课时12【视频】PyTorch基础1-简介及Tensor14:04% f2 k" `! Y6 }+ H! l
课时13【视频】PyTorch基础2-Variable和自动求导07:40+ j$ R4 M( @# B( z
课时14【代码】Tensor和Variable代码详解及下载（见附件）2 h% r. e% Z! \3 b
课时15【代码】自动求导代码详解及下载（见附件）
课时16【代码】动态图代码详解及下载（见附件）
章节4:神经网络（进阶）
课时17【视频】神经网络1-线性模型、梯度下降及框架实现12:43& j2 s- d4 {3 l7 w# M) _; r
课时18【图文】线性模型和梯度下降! Q+ E% i$ X0 ]1 l# o3 X. L
课时19【代码】线性模型和梯度下降代码详解及下载（见附件）6 N: p8 U' ?2 {' Z8 v* {5 W
课时20【视频】神经网络2-Logistic回归11:43
课时21【图文】Logistic回归
课时22【代码】logistic回归代码详解及下载（见附件）5 K1 q6 Y# K% K, i' L8 n/ b
课时23【视频】神经网络3-多层神经网络11:30; x$ H1 x* p) M' K
课时24【图文】多层神经网络
课时25【代码】多层神经网络代码详解及下载（见附件）; j- ]4 t/ }' R
课时26【视频】神经网络4-多分类问题及深层神经网络09:06
课时27【图文】多分类问题及深层神经网络
课时28【代码】深层神经网络代码详解及下载（见资料）
课时29【视频】神经网络5-反向传播算法09:45
课时30【图文】反向传播算法; s9 I: ~1 q4 b: N
课时31【图文】优化算法介绍
课时32【图文】优化算法变式" J% A. b) F+ ~9 ~1 C& |7 L$ f
课时33【代码】参数初始化代码详解及下载（见附件）
课时34【代码】优化算法1-梯度下降法代码详解（下载见附件）3 r/ m7 |- j/ t' L. r; L$ A
课时35【代码】优化算法2-动量法代码详解（下载见附件）6 @; Z" |9 E! i0 j7 R
课时36【代码】优化算法3-Adagrad代码详解（下载见附件）+ N+ w9 p$ }9 }+ @4 r5 q- D$ y8 S
课时37【代码】优化算法4-RMSProp代码详解（下载见附件）5 J# X7 `8 h0 i
课时38【代码】优化算法5-Adadelta代码详解（下载见附件）
课时39【代码】优化算法6-Adam代码详解（下载见附件）' q; R, A& t+ r5 N
课时40【实战项目1】使用神经网络预测房价（数据集附件下载）
章节5:卷积神经网络（进阶）% ^3 P$ }0 k+ r/ P$ }6 b
课时41【视频】卷积神经网络1-背景及应用04:16
课时42【视频】卷积神经网络2-卷积神经网络基础14:54
课时43【视频】卷积神经网络3-Pytorch实现05:181 `6 y1 x0 b$ k1 \) s, E
课时44【图文】卷积神经网络
课时45【代码】卷积和池化的框架实现代码详解（下载见附件）3 s2 {s) I4 ^4 S, |
课时46【图文】数据预处理与批标准化5 R! B6 w/ I# e" ~
课时47【图文】经典卷积神经网络% Z3 w5 X+ Q, |3 n
课时48【视频】经典卷积神经网络-AlexNet07:36+
课时49【代码】AlexNet代码详解（下载见附件）
课时50【视频】经典卷积神经网络-VGG05:07
课时51【代码】VGG代码详解（下载见附件）
课时52【视频】经典卷积神经网络-GoogLeNet07:24
课时53【代码】GoogLeNet代码详解（下载见附件）
课时54【视频】经典卷积神经网络-ResNet09:06
课时55【代码】ResNet代码详解（下载见附件）/ k/ m) i8 ]6 V# q, T" t
课时56【视频】经典卷积神经网络-DenseNet06:26& W: K9 p7 {8 w& e1 N" L$ C
课时57【代码】DenseNet代码详解（下载见附件）6 B& Lm: G: `* ~' h6 k
课时58【视频】卷积神经网络-训练技巧15:20
课时59【图文】训练卷积神经网络% A8 ]* aU# x/ l" N
课时60【代码】数据增强代码详解（下载见附件）
课时61【代码】数据读取代码详解（下载见附件）- F* s4 g1 ]0 c4 K2 ZY
课时62【代码】微调进行迁移学习代码详解（下载见附件）
课时63【代码】学习率下降代码详解（下载见附件）
课时64【代码】批标准化代码详解（下载见附件）
课时65【代码】正则化代码详解（下载见附件）
课时66【代码】Tensorboard代码详解（下载见附件）
课时67【实战项目2】驾驶员状态监测（数据集见附件）
章节6:循环神经网络（进阶）$ a; H) c$ S2 E# `7 \0 h) M1 u
课时68【视频】循环神经网络1-循环神经网络基础09:38& r) Nn/ ^, F2 A- Z* @3 d
课时69【图文/代码】循环神经网络基础（代码详解及下载见附件）
课时70【视频】循环神经网络2-循环神经网络的应用10:10
课时71【图文/代码】循环神经网络应用（代码详解及下载见附件）
课时72【代码】RNN PyTorch实现代码详解（下载见附件）
课时73【代码】RNN图像分类的应用代码详解（下载见附件）
课时74【代码】RNN时间序列应用代码详解（下载见附件）
课时75【代码】RNN词嵌入代码详解（下载见附件）
课时76【代码】RNN N-Gram代码详解（下载见附件）
课时77【代码】RNN LSTM代码详解（下载见附件）
课时78【实战项目3】通过RNN创作古诗（数据集见附件）+ ^1 z* H' }- ]% [
章节7:生成对抗网络GAN（进阶）9 ~6 H+ }; ?% j: y0 B, f/ M2 I0 j
课时79【视频】生成对抗网络1-自动编码器07:49
课时80【视频】生成对抗网络2-变分自动编码器05:553 P' ~9 g1 G`& u
课时81【视频】生成对抗网络3-生成对抗网络08:43
课时82【图文】生成对抗网络
课时83【代码】自动编码器代码详解（下载见附件）; m+ s6 i' n( E( e) P
课时84【代码】变分自动编码器代码详解（下载见附件）
课时85【代码】生成对抗网络代码详解（下载见附件）! k, X( o* N+ `
课时86【实战项目4】生成对抗网络生成人脸（数据集见附件）
章节8:强化学习（进阶）
课时87【视频】强化学习12:125 b! j! p. ~. Q8 ~/ O1 p) p
课时88【图文】强化学习
课时89【代码】q Learning代码详解及下载（附件）9 }e" s* j! u9 @1 A
课时90【代码】深度Q网络代码详解及下载（附件）
章节9:毕业项目" D3 \! l# P; J$ p. J5 U% ~
课时91【实战项目5】毕业项目**** Hidden Message *****
123123123123 感谢分享！ 11111000000000 习理论与实战PyTorch实现 [修改 66666666666666666666666666666666666666666666666666666 学习一下 感觉有用 666666666666666666666666666
感谢分享！ 感谢大佬分享aefawfwafqwef