Pytorch框架与经典卷积神经网络与实战
第1章 课程先导
第2章 CNN神经网络算法原理
第3章 PyTorch框架与编程环境安装
第4章 LeNet和AlexNet原理与实战
- 4.1、LeNet与AlexNet原理与实战章节先导
- 4.2、LeNet-5背景与网络结构
- 4.3、LeNet-5网络参数详解
- 4.4、LeNet-5总结
- 4.5、AlexNet诞生背景
- 4.6、AlexNet网络结构
- 4.7、AlexNet网络参数详解
- 4.8、Dropout操作
- 4.9、图像增强-水平翻转、随机裁剪
- 4.10、图像增强-PCA
- 4.11、LRN正则化
- 4.12、AlexNet总结
- 4.13、代码实验课程先导
- 4.14、实战1--LeNet-5模型搭建
- 4.15、实战1--LeNet-5模型前向传播定义及测试
- 4.16、实战1--Fashion_MNIST数据集介绍与展示
- 4.17、实战1--训练模板代码-数据加载函数
- 4.18、实战1--训练模板代码-初始化值定义
- 4.19、实战1--训练模板代码-训练反向传播
- 4.20、实战1--训练模板代码-模型验证
- 4.21、实战1--训练模板代码-最优模型保存
- 4.22、实战1--训练模板代码-loss和acc图绘制
- 4.23、实战1--训练模板代码-模型训练
- 4.24、实战1--测试模板代码-加载测试数据
- 4.25、实战1--测试模板代码-测试函数撰写
- 4.26、实战1--测试模板代码-模型测试
- 4.27、实战1--测试模板代码-测试集推理
- 4.28、实战2--AlexNet--模型搭建-1
- 4.29、实战2--AlexNet--模型搭建-2
- 4.30、实战2--AlexNet--模型训练
- 4.31、实战2--AlexNet--模型测试
第5章 VGG原理与实战
第6章 GoogLeNet原理与实战
- 6.1、GoogLeNet原理与实战先导
- 6.2、GoogLeNet网络诞生背景
- 6.3、GoogLeNet网络结构-上
- 6.4、GoogLeNet网络结构-下
- 6.5、1×1卷积的优点
- 6.6、全局平均池化层（GAP）
- 6.7、GoogLeNet网络参数详解-上
- 6.8、GoogLeNet网络参数详解-中
- 6.9、GoogLeNet网络参数详解-下
- 6.10、GoogLeNet总结
- 6.11、Inception模块的搭建-1
- 6.12、Inception模块的搭建-2
- 6.13、goodlenet模型搭建-初始化网络层
- 6.14、goodlenet模型搭建-Inception模块的串接
- 6.15、goodlenet模型搭建-权重初始化
- 6.16、goodlenet模型搭建-前向传播
- 6.17、goodlenet模型训练
- 6.18、goodlenet模型测试
- 6.19、训练自己的数据集先导
- 6.20、猫狗分类--数据集准备
- 6.21、猫狗分类--数据集划分
- 6.22、猫狗分类--数据集加载
- 6.23、猫狗分类--数据集归一化和模型训练
- 6.24、猫狗分类--模型测试
- 6.25、猫狗分类--模型的推理
- 6.26、水果分类实战
第7章 RestNet原理与实战
- 7.1、ResNet原理与实战先导
- 7.2、ResNet网络诞生背景
- 7.3、网络加深带来哪些问题？
- 7.4、ResNet的基础架构-–残差块-上
- 7.5、ResNet的基础架构–-残差块-下
- 7.6、Batch Normalization-上
- 7.7、Batch Normalization-中
- 7.8、Batch Normalization-下
- 7.9、ResNet网络参数详解-上
- 7.10、ResNet网络参数详解-中
- 7.11、ResNet网络参数详解-下
- 7.12、ResNet总结
- 7.13、残差块的搭建-1
- 7.14、残差块的搭建-2
- 7.15、ResNet18的搭建-1
- 7.16、ResNet18的搭建-2
- 7.17、ResNet18模型的训练和测试
- 7.18、佩戴口罩识别实战
- 7.19、稻米品种识别实战
提交答案
视频学习中有任何产品建议都可由此反
馈，我们将及时处理！
馈，我们将及时处理！
课时介绍
4.31、实战2--AlexNet--模型测试手把手教学
课程介绍
-
课程章节丰富，共有117节课程，对每个知识点讲解详细，其中代码采用流行的pytorch框架，代码都是手把手带着大家一行一行敲，具体课程目录如下：
-
课程采用主流的深度学习框架pytorch
-
课程含有丰富的课件、源码和数据，这些都会提供给大家，具体如下图所示：
-
课件展示
-
源码展示
-
数据展示
-
论文展示
推荐课程