Python深度学习实战-基于Pytorch全套教学课件.pptx

深度学习;本章要点;计算机视觉的定义;计算机视觉的基本任务;图像处理技术;模式识别技术;图像理解技术;计算机视觉的传统算法;传统算法;仿生学与深度学习;视觉系统信息处理机制;抽象与迭代的过程;现代深度学习;现代深度学习的过程;现代深度学习的过程;现代深度学习的过程;现代深度学习;现代深度学习;自然语言;自然语言处理的基本问题;传统方法与神经网络方法的比较;自然语言处理的发展趋势;强化学习;强化学习;强化学习的四个元素;强化学习算法的目标;强化学习的特征;强化学习算法简介;强化学习算法简介;强化学习算法的应用;强化学习算法的应用;小结;The End;深度学习框架简介和对比;本章要点;Caffe简介;Caffe的特点;Caffe的特点;Caffe概述;Caffe概述;Caffe概述;TensorFlow简介;数据流图;数据流图;TensorFlow的特点;TensorFlow的特点;TensorFlow概述;TensorFlow概述;TensorFlow概述;TensorFlow概述;TensorFlow概述;TensorFlow概述;TensorFlow概述;TensorFlow概述;PyTorch简介;PyTorch的特点;PyTorch概述;PyTorch概述;三者的比较;三者的比较;三者的比较;三者的比较;三者的比较;三者的比较;小结;The End;机器学习基础知识;本章要点;模型评估与模型参数选择;模型评估与模型参数选择;验证;正则化;监督学习与非监督学习;监督学习;监督学习;监督学习;监督学习;监督学习;监督学习;非监督学习;非监督学习;小结;The End;PyTorch深度学习基础;本章要点;Tensor对象及其运算;Tensor对象及其运算;Tensor对象及其运算;Tensor对象及其运算;Tensor对象及其运算;Tensor对象及其运算;Tensor对象及其运算;Tensor的索引和切片;Tensor的索引和切片;Tensor的索引和切片;Tensor的变换、拼接和拆分;Tensor的变换、拼接和拆分;Tensor的变换、拼接和拆分;Tensor的变换、拼接和拆分;Tensor的变换、拼接和拆分;Tensor的变换、拼接和拆分;Tensor的变换、拼接和拆分;Tensor的变换、拼接和拆分;Tensor的变换、拼接和拆分;Tensor的变换、拼接和拆分;Tensor的变换、拼接和拆分;PyTorch的Reduction操作;PyTorch的Reduction操作;PyTorch的Reduction操作;PyTorch的Reduction操作;PyTorch的自动微分Autograd;PyTorch的自动微分Autograd;PyTorch的自动微分Autograd;小结;The End;PyTorch深度学习基础;PyTorch深度学习基础;本章要点;线性回归;线性回归;线性回归;线性回归;线性回归;线性回归;线性回归;线性回归;Logistic回归;Logistic回归;Logistic回归;Logistic回归;Logistic回归;Logistic回归;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;用PyTorch实现logistic regression;小结;The End;多层感知器;多层感知器;本章