PyTorch深度学习开发医学影像夸克网盘资源_网盘资源_夸克网盘资源搜索_全盘搜

• file:5-7自然语言文本数据加载.mp4
• file:5-33D图像的加载.mp4
• file:5-8本章小结.mp4
• file:5-6连续值序列值分类值的处理.mp4
• file:4-2张量的获取与存储一.mp4
• file:4-8把张量传递到GPU中进行运算.mp4
• file:4-1什么是张量.mp4
• file:11-2课程中的神经网络回顾.mp4
• file:11-5持续学习的几个建议.mp4
• file:11-4面试过程中可能遇到的问题.mp4
• file:10-3使用finetune方法构建肿瘤恶性判断模型.mp4
• file:10-2新的评价指标AUC-ROC曲线.mp4
• file:10-6使用合适的框架把模型部署上线二.mp4
• file:10-1连接分割模型和分类模型.mp4
• file:10-4完整的实现端到端肺部肿瘤检测.mp4
• file:2-2使用预训练的ResNet网络给图片分类一.mp4
• file:2-1环境安装与配置.mp4
• file:3-2工业级数据挖掘流程二.mp4
• file:3-3课程重难点技能分布.mp4
• file:1-3常用深度学习框架.mp4
• file:1-2深度学习如何影响生活.mp4
• file:7-2为数据集实现Dataset类.mp4
• file:7-1CIFAR-10数据集介绍.mp4
• file:7-15该用GPU训练我们的模型.mp4
• file:7-14训练好的模型如何存储.mp4
• file:7-20优化方案之增加模型深度-depth.mp4
• file:7-3为模型准备训练集和验证集.mp4
• file:7-10使用卷积提取图像中的特定特征.mp4
• file:7-7对全连接网络的改进之卷积网络.mp4
• file:7-12借助PyTorch搭建卷积网络.mp4
• file:7-17优化方案之数据正则化-normalization一.mp4
• file:7-11借助下采样压缩数据.mp4
• file:7-9卷积中的数据填充方法padding.mp4
• file:7-5分类模型常用损失之交叉熵损失.mp4
• file:7-4借助softmax方法给出分类结果.mp4
• file:9-5实现模型的核心部分.mp4
• file:9-11新的模型评估指标F1score.mp4
• file:9-6定义损失计算和训练验证环节一.mp4
• file:9-12实现F1Score计算逻辑.mp4
• file:9-3初始化都包含什么内容.mp4
• file:9-24模型存储图像存储代码介绍.mp4
• file:9-23构建训练流程.mp4
• file:9-9尝试训练第一个模型.mp4
• file:9-21构建训练Dataset和使用GPU进行数据增强.mp4
• file:9-17图像分割的几种类型.mp4
• file:9-15数据增强的代码实现.mp4
• file:9-22Adam优化器和Dice损失.mp4
• file:9-25分割模型训练及在TensorBoard中查看结果.mp4
• file:9-8在日志中保存重要信息.mp4
• file:9-16第二个模型结节分割.mp4
• file:9-18U-Net模型介绍.mp4
• file:9-10借助TensorBoard绘制指标曲线.mp4
• file:8-1肺部癌症检测的项目简介.mp4
• file:8-8数据坐标系的转换.mp4
• file:8-5原始数据是长什么样子的.mp4
• file:8-13CT数据可视化实现三.mp4
• file:8-4下载项目中的数据集.mp4
• file:8-3制定一个解决方案.mp4
• file:6-2温度计示数转换.mp4
• file:6-3神经网络重要概念-损失.mp4
• file:6-14使用神经网络解决温度计示数转换问题.mp4
• file:6-8使用超参数优化我们的模型效果.mp4
• folder:PyTorch深度学习开发医学影像
• folder:23809
• folder:第5章 PyTorch如何处理真实数据
• folder:第11章 课程总结与面试问题
• folder:第10章 项目实战三：实现端到端的模型预测
• folder:第2章 课程内容整体规划
• folder:第7章 使用神经网络区分小鸟和飞机图像
• folder:第9章 项目实战二：模型训练与优化
• folder:第6章 神经网络理念解决温度计转换