* w0 F4 N9 T. ]3 v# `$ t: [, ?. t9 ^- e5 `
〖课程介绍〗
& D) u7 E) Q/ `4 g! z8 s/ s2020年全新 Pytorch 深度学习入门与实战，2020年最通俗易懂的实例课程3 w% s( t0 g% J
. f9 T2 {1 {2 G# J
〖课程目录〗
8 V7 o; ]; |( ]. Z3 h8 O8 x/ y ~1.Pytorch框架简介
. c9 l! f5 @" y- p7 V. @4 U0 J, p2.Pytoch的安装
$ I7 r9 d3 P/ T) }2 b! K3.机器学习基础-线性回归
: g* Q- k/ ?% y4 x/ `- v' _; v4.数据读取与观察
% H6 G+ @7 Z5 S7 y* l5. 初始化模型、损失函数和优化方法- O6 b/ Q( T# t( @& C& n. O
6.模型训练与结果可视化
, N6 C0 A8 e+ a: c7 C7.张量与数据类型
1 I* j: G& H3 \4 y8.张量运算与形状变换: _3 V: d$ ^$ S' \- y. h4 S
9.张量微分运算
) B( H. H3 g( K/ q+ ^. u# j6 y! S$ m10.入门实例的分解写法6 O( h4 ]3 o9 j6 A1 M/ A$ i9 e! e) [
11.逻辑回归实例——信息卡欺诈数据预处理
3 [ Z& }7 ^$ ?) l' k12.逻辑回归实例——模型的创建与训练
$ w: B' q! A, n& O- x13.多层感知器简介
4 G8 s0 \6 _6 a7 v14.人力资源数据集-数据预处理
! t4 ^4 x- E" W15.多层感知器模型创建8 q H& s6 r) r6 R# d3 a
16.多层感知器模型改写与解释
1 e" X6 {6 Q8 e4 k17.多层感知器模型训练
/ O( v( l, N# M4 B& \18.使用Dataset和Dataloader改写模型数据加载. n4 b) o+ }4 b) d, [. \% O6 _0 n
19.划分验证数据和测试数据、过拟合与欠拟合
( p- h8 P* f0 O8 R4 n; i- ^4 Z4 \20.添加正确率和验证数据
0 T7 U P; J1 |, M0 n: M) n5 G
7 N4 x' j' ~' q0 S7 S7 W% m5 }/ g9 x! u; c, f$ w
〖下载地址〗
/ l% V1 O- B% K5 s" D* H% F% V b+ [* J* ~% `! I0 D2 Z/ c0 s
〖升级为永久会员免金币下载全站资源〗0 z, D6 |4 W) ? j! w% G* J
全站资源高清无密，每天更新，一次充值，永久可查看网站全部资源：http://www.mano100.cn/rjyfk_url-url.html% I2 q- n/ L* D ~( n! B
|
[复制链接]
