1. pytorch概述
2.深度学习基础与线性回归实例
3.pytorch张量
4.逻辑回归与多层感知机
5.多分类问题
6.手写数字全连接模型
7.基础部分总结
8.计算机视觉基础
9.预训练模型(迁移学习)
10.Dataset数据输入
11.现代网络架构
12.图像定位
13.Unet图像语义分割
14.LinNet图像语义分割
15.文本分类与词嵌入表示
16.Rnn循环神经网络
17(一). twitter 评论情绪分类
17(二). 中文外卖评论情绪分类
18.注意力机制
19. Rnn序列预测-北京空气质量
20. Tensorboard可视化
21.一维卷积网络
23.语义分割图片的标注——Labelme使用教程
24.多任务学习
25.目标识别与目标检测
课程资料"
1