Skip to content

深度学习与PyTorch入门实战教程 基本的数学理论,线性回归,逻辑回归,梯度及梯度下降,损失函数,多分类问题,BatchNorm,卷积神经网络CNN/ResNet,循环神经网络RNN/LSTM,对抗生成网络GAN/WGAN等等,以及对应的PyTorch的实现方式讲解。通过理论与实践相结合的教学方式,学员可以最大程度理解并掌握算法。

License

Notifications You must be signed in to change notification settings

AndyXGWang/PyTorch-Project-CN

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

2 Commits
 
 
 
 
 
 

Repository files navigation

-PyTorch- 深度学习与PyTorch入门实战教程

-- 简介 基本的数学理论,线性回归,逻辑回归,梯度及梯度下降,损失函数,多分类问题,BatchNorm,卷积神经网络CNN/ResNet, 循环神经网络RNN/LSTM,对抗生成网络GAN/WGAN等等,以及对应的PyTorch的实现方式讲解。通过理论与实践相结合的教学方式, 学员可以最大程度理解并掌握算法。

新加坡国立大学AI团队倾情打造,资深研究员龙老师主讲,帮助人工智能、深度学习初学者快速深刻理解深度学习算法。

毫无保留,世界级水准课程,干货满满,大众价格(87课时,约1040分钟)。AI时代已经来临,祝愿学员们学有所成!

课程涵盖了人工智能的发展历程,基本的数学理论,线性回归,逻辑回归,梯度及梯度下降,损失函数, 多分类问题,BatchNorm,卷积神经网络CNN/ResNet,循环神经网络RNN/LSTM,对抗生成网络GAN/WGAN等等, 以及对应的PyTorch的实现方式讲解。通过理论与实践相结合的教学方式,学员可以最大程度理解并掌握算法。

课程地址: 深度学习与PyTorch入门实战教程

大纲

pytorch

pytorch

About

深度学习与PyTorch入门实战教程 基本的数学理论,线性回归,逻辑回归,梯度及梯度下降,损失函数,多分类问题,BatchNorm,卷积神经网络CNN/ResNet,循环神经网络RNN/LSTM,对抗生成网络GAN/WGAN等等,以及对应的PyTorch的实现方式讲解。通过理论与实践相结合的教学方式,学员可以最大程度理解并掌握算法。

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published