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"