- 00 开篇词 如何高效入门PyTorch？.md
- 01 PyTorch：网红中的顶流明星.md
- 02 NumPy（上）：核心数据结构详解.md
- 03 NumPy（下）：深度学习中的常用操作.md
- 04 Tensor：PyTorch中最基础的计算单元.md
- 05 Tensor变形记：快速掌握Tensor切分、变形等方法.md
- 06 Torchvision（上）：数据读取，训练开始的第一步.md
- 07 Torchvision（中）：数据增强，让数据更加多样性.md
- 08 Torchvision（下）：其他有趣的功能.md
- 09 卷积（上）：如何用卷积为计算机“开天眼”？.md
- 10 卷积（下）：如何用卷积为计算机“开天眼”？.md
- 11 损失函数：如何帮助模型学会“自省”？.md
- 12 计算梯度：网络的前向与反向传播.md
- 13 优化方法：更新模型参数的方法.md
- 14 构建网络：一站式实现模型搭建与训练.md
- 15 可视化工具：如何实现训练的可视化监控？.md
- 16 分布式训练：如何加速你的模型训练？.md
- 17 图像分类（上）：图像分类原理与图像分类模型.md
- 18 图像分类（下）：如何构建一个图像分类模型_.md
- 19 图像分割（上）：详解图像分割原理与图像分割模型.md
- 20 图像分割（下）：如何构建一个图像分割模型？.md
- 21 NLP基础（上）：详解自然语言处理原理与常用算法.md
- 22 NLP基础（下）：详解语言模型与注意力机制.md
- 23 情感分析：如何使用LSTM进行情感分析？.md
- 24 文本分类：如何使用BERT构建文本分类模型？.md
- 25 摘要：如何快速实现自动文摘生成？.md
- 加餐 机器学习其实就那么几件事.md
- 用户故事 Tango：师傅领进门，修行在个人.md
- 答疑篇 思考题答案集锦.md
- 结束语 人生充满选择，选择与努力同样重要.md
- 捐赠
服务器出问题，目前部分恢复
PyTorch深度学习实战
- 00 开篇词 如何高效入门PyTorch？.md
- 01 PyTorch：网红中的顶流明星.md
- 02 NumPy（上）：核心数据结构详解.md
- 03 NumPy（下）：深度学习中的常用操作.md
- 04 Tensor：PyTorch中最基础的计算单元.md
- 05 Tensor变形记：快速掌握Tensor切分、变形等方法.md
- 06 Torchvision（上）：数据读取，训练开始的第一步.md
- 07 Torchvision（中）：数据增强，让数据更加多样性.md
- 08 Torchvision（下）：其他有趣的功能.md
- 09 卷积（上）：如何用卷积为计算机“开天眼”？.md
- 10 卷积（下）：如何用卷积为计算机“开天眼”？.md
- 11 损失函数：如何帮助模型学会“自省”？.md
- 12 计算梯度：网络的前向与反向传播.md
- 13 优化方法：更新模型参数的方法.md
- 14 构建网络：一站式实现模型搭建与训练.md
- 15 可视化工具：如何实现训练的可视化监控？.md
- 16 分布式训练：如何加速你的模型训练？.md
- 17 图像分类（上）：图像分类原理与图像分类模型.md
- 18 图像分类（下）：如何构建一个图像分类模型_.md
- 19 图像分割（上）：详解图像分割原理与图像分割模型.md
- 20 图像分割（下）：如何构建一个图像分割模型？.md
- 21 NLP基础（上）：详解自然语言处理原理与常用算法.md
- 22 NLP基础（下）：详解语言模型与注意力机制.md
- 23 情感分析：如何使用LSTM进行情感分析？.md
- 24 文本分类：如何使用BERT构建文本分类模型？.md
- 25 摘要：如何快速实现自动文摘生成？.md
- 加餐 机器学习其实就那么几件事.md
- 用户故事 Tango：师傅领进门，修行在个人.md
- 答疑篇 思考题答案集锦.md
- 结束语 人生充满选择，选择与努力同样重要.md
© 2019 - 2023 Liangliang Lee. Powered by gin and hexo-theme-book.