慕課網 2023版 PyTorch深度學習開發醫學影像端對端判別荒川老師國語發音/簡體字幕 DVD版(3DVD) | Udemy線上課程綜合教學

慕課網 2023版 PyTorch深度學習開發醫學影像端對端判別荒川老師國語發音/簡體字幕 DVD版(3DVD)
-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=
語系版本：國語發音/簡體字幕
光碟片數：3片裝(單面DVD)
破解說明：mp4檔
系統支援: Windows 7/8/8.1/10/11
軟體類型: 教學軟體
更新日期：2024.01.10
-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=

第1章課程導學
1-1課程導學.mp4
1-2深度學習如何影響生活.mp4
1-3常用深度學習框架.mp4

第2章課程內容整體規劃
2-1環境安裝與配置.mp4
2-2使用預訓練的ResNet網路給圖片分類一.mp4
2-3使用預訓練的ResNet網路給圖片分類二.mp4
2-4使用預訓練的GAN網路把馬變成斑馬.mp4

第3章 PyTorch專案熱身實踐
3-1工業級數據挖掘流程一.mp4
3-2工業級數據挖掘流程二.mp4
3-3課程重難點技能分佈.mp4
3-4課程實戰專案簡介.mp4

第4章 PyTorch基礎知識必備-張量
4-1什麼是張量.mp4
4-2張量的獲取與儲存一.mp4
4-3張量的獲取與儲存二.mp4
4-4張量的基本操作一.mp4
4-5張量的基本操作二.mp4
4-6張量中的元素型別.mp4
4-7張量的命名.mp4
4-8把張量傳遞到GPU中進行運算.mp4
4-9張量的底層實現邏輯一.mp4
4-10張量的底層實現邏輯二.mp4

第5章 PyTorch如何處理真實數據
5-1普通二維影象的載入一.mp4
5-2普通二維影象的載入二.mp4
5-33D影象的載入.mp4
5-4普通表格數據載入.mp4
5-5有時間序列的表格數據載入.mp4
5-6連續值序列值分類值的處理.mp4
5-7自然語言文字數據載入.mp4
5-8本章小結.mp4

第6章神經網路理念解決溫度計轉換
6-1常規模型訓練的過程.mp4
6-2溫度計示數轉換.mp4
6-3神經網路重要概念-損失.mp4
6-4PyTorch中的廣播機制.mp4
6-5神經網路重要概念-梯度.mp4
6-6神經網路重要概念-學習率.mp4
6-7神經網路重要概念-歸一化.mp4
6-8使用超參數優化我們的模型效果.mp4
6-9使用PyTorch自動計算梯度.mp4
6-10使用PyTorch提供的優化器.mp4
6-11神經網路重要概念-啟用函式.mp4
6-12用PyTorch的nn模組搭建神經網路.mp4
6-13構建批量訓練方法.mp4
6-14使用神經網路解決溫度計示數轉換問題.mp4

第7章使用神經網路區分小鳥和飛機影象
7-1CIFAR-10數據集介紹.mp4
7-2為數據集實現Dataset類.mp4
7-3為模型準備訓練集和驗證集.mp4
7-4藉助softmax方法給出分類結果.mp4
7-5分類模型常用損失之交叉熵損失.mp4
7-6全連線網路實現影象分類.mp4
7-7對全連線網路的改進之摺積網路.mp4
7-8藉助PyTorch搭建摺積網路模型.mp4
7-9摺積中的數據填充方法padding.mp4
7-10使用摺積提取影象中的特定特徵.mp4
7-11藉助下采樣壓縮數據.mp4
7-12藉助PyTorch搭建摺積網路.mp4
7-13訓練我們的分類模型.mp4
7-14訓練好的模型如何儲存.mp4
7-15該用GPU訓練我們的模型.mp4
7-16優化方案之增加模型寬度-width.mp4
7-17優化方案之數據正則化-normalization一.mp4
7-18優化方案之數據正則化-normalization二.mp4
7-19優化方案之數據正則化-normalization三.mp4
7-20優化方案之增加模型深度-depth.mp4
7-21本章小結.mp4

第8章專案實戰一：理解業務與數據
8-1肺部癌癥檢測的專案簡介.mp4
8-2CT數據是什麼樣子.mp4
8-3制定一個解決方案.mp4
8-4下載專案中的數據集.mp4
8-5原始數據是長什麼樣子的.mp4
8-6載入標註數據.mp4
8-7載入CT影像數據.mp4
8-8數據座標系的轉換.mp4
8-9編寫Dataset方法.mp4
8-10分割訓練集和驗證集.mp4
8-11CT數據視覺化實現一.mp4
8-12CT數據視覺化實現二.mp4
8-13CT數據視覺化實現三.mp4
8-14本章小結.mp4

第9章專案實戰二：模型訓練與優化
9-1第一個模型結節分類.mp4
9-2定義模型訓練框架.mp4
9-3初始化都包含什麼內容.mp4
9-4編寫數據載入器部分.mp4
9-5實現模型的核心部分.mp4
9-6定義損失計算和訓練驗證環節一.mp4
9-7定義損失計算和訓練驗證環節二.mp4
9-8在日誌中儲存重要資訊.mp4
9-9嘗試訓練第一個模型.mp4
9-10藉助TensorBoard繪製指標曲線.mp4
9-11新的模型評估指標F1score.mp4
9-12實現F1Score計算邏輯.mp4
9-13數據優化方法.mp4
9-14數據重複採樣的程式碼實現.mp4
9-15數據增強的程式碼實現.mp4
9-16第二個模型結節分割.mp4
9-17影象分割的幾種型別.mp4
9-18U-Net模型介紹.mp4
9-19為影象分割進行數據預處理.mp4
9-20為影象分割構建Dataset類.mp4
9-21構建訓練Dataset和使用GPU進行數據增強.mp4
9-22Adam優化器和Dice損失.mp4
9-23構建訓練流程.mp4
9-24模型儲存影象儲存程式碼介紹.mp4
9-25分割模型訓練及在TensorBoard中檢視結果.mp4
9-26本章小結.mp4

第10章專案實戰三：實現端到端的模型預測
10-1連線分割模型和分類模型.mp4
10-2新的評價指標AUC-ROC曲線.mp4
10-3使用finetune方法構建腫瘤惡性判斷模型.mp4
10-4完整的實現端到端肺部腫瘤檢測.mp4
10-5使用合適的框架把模型部署上線一.mp4
10-6使用合適的框架把模型部署上線二.mp4
10-7本章小結.mp4

第11章課程總結與面試問題
11-1腫瘤檢測系統架構回顧.mp4
11-2課程中的神經網路回顧.mp4
11-3模型優化方法回顧.mp4
11-4面試過程中可能遇到的問題.mp4
11-5持續學習的幾個建議.mp4

--=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=