└─ PyTorch深度学习开发医学影像端到端判别项目 ->
├─ 第6章 神经网络理念解决温度计转换 ->
├─ 6-14使用神经网络解决温度计示数转换问题.mp4 - 34.2M
├─ 6-2温度计示数转换.mp4 - 15.6M
├─ 6-4PyTorch中的广播机制.mp4 - 27.5M
├─ 6-3神经网络重要概念-损失.mp4 - 18.6M
├─ 6-11神经网络重要概念-激活函数.mp4 - 27.9M
├─ 6-8使用超参数优化我们的模型效果.mp4 - 21.9M
├─ 6-10使用PyTorch提供的优化器.mp4 - 22.5M
├─ 6-13构建批量训练方法.mp4 - 21.3M
├─ 6-1常规模型训练的过程.mp4 - 19.1M
├─ 6-6神经网络重要概念-学习率.mp4 - 36.7M
├─ 6-5神经网络重要概念-梯度.mp4 - 35.1M
├─ 6-9使用PyTorch自动计算梯度.mp4 - 32.2M
├─ 6-7神经网络重要概念-归一化.mp4 - 49.3M
└─ 6-12用PyTorch的nn模块搭建神经网络.mp4 - 16.8M
├─ 第8章 项目实战一：理解业务与数据 ->
├─ 8-2CT数据是什么样子.mp4 - 14.5M
├─ 8-14本章小结.mp4 - 7.2M
├─ 8-1肺部癌症检测的项目简介.mp4 - 23.4M
├─ 8-10分割训练集和验证集.mp4 - 13.2M
├─ 8-4下载项目中的数据集.mp4 - 17.1M
├─ 8-11CT数据可视化实现一.mp4 - 19.3M
├─ 8-13CT数据可视化实现三.mp4 - 29.2M
├─ 8-12CT数据可视化实现二.mp4 - 38.8M
├─ 8-3制定一个解决方案.mp4 - 14.2M
├─ 8-6加载标注数据.mp4 - 29.3M
├─ 8-9编写Dataset方法.mp4 - 16.4M
├─ 8-7加载CT影像数据.mp4 - 11.7M
├─ 8-8数据坐标系的转换.mp4 - 32.1M
└─ 8-5原始数据是长什么样子的.mp4 - 19.1M
├─ 第7章 使用神经网络区分小鸟和飞机图像 ->
├─ 7-3为模型准备训练集和验证集.mp4 - 19.6M
├─ 7-21本章小结.mp4 - 8.8M
├─ 7-12借助PyTorch搭建卷积网络.mp4 - 14.8M
├─ 7-19优化方案之数据正则化-normalization三.mp4 - 14.8M
├─ 7-20优化方案之增加模型深度-depth.mp4 - 35.3M
├─ 7-9卷积中的数据填充方法padding.mp4 - 7.7M
├─ 7-7对全连接网络的改进之卷积网络.mp4 - 22.2M
├─ 7-6全连接网络实现图像分类.mp4 - 47.6M
├─ 7-5分类模型常用损失之交叉熵损失.mp4 - 12.2M
├─ 7-13训练我们的分类模型.mp4 - 17.5M
├─ 7-16优化方案之增加模型宽度-width.mp4 - 17.6M
├─ 7-15该用GPU训练我们的模型.mp4 - 16.6M
├─ 7-2为数据集实现Dataset类.mp4 - 15.7M
├─ 7-8借助PyTorch搭建卷积网络模型.mp4 - 26.1M
├─ 7-11借助下采样压缩数据.mp4 - 12.4M
├─ 7-1CIFAR-10数据集介绍.mp4 - 11.6M
├─ 7-17优化方案之数据正则化-normalization一.mp4 - 21.7M
├─ 7-18优化方案之数据正则化-normalization二.mp4 - 27.1M
├─ 7-14训练好的模型如何存储.mp4 - 3.9M
├─ 7-4借助softmax方法给出分类结果.mp4 - 15.6M
└─ 7-10使用卷积提取图像中的特定特征.mp4 - 13.3M
├─ 第1章 课程导学 ->
├─ 1-1课程导学.mp4 - 49M
├─ 1-3常用深度学习框架.mp4 - 24.9M
└─ 1-2深度学习如何影响生活.mp4 - 20.2M
├─ 第9章 项目实战二：模型训练与优化 ->
├─ 9-2定义模型训练框架.mp4 - 25.6M
├─ 9-1第一个模型结节分类.mp4 - 25.8M
├─ 9-18U-Net模型介绍.mp4 - 42.6M
├─ 9-23构建训练流程.mp4 - 26.2M
├─ 9-20为图像分割构建Dataset类.mp4 - 35.2M
├─ 9-8在日志中保存重要信息.mp4 - 36.1M
├─ 9-5实现模型的核心部分.mp4 - 30M
├─ 9-21构建训练Dataset和使用GPU进行数据增强.mp4 - 22.4M
├─ 9-19为图像分割进行数据预处理.mp4 - 46.3M
├─ 9-7定义损失计算和训练验证环节二.mp4 - 16.1M
├─ 9-17图像分割的几种类型.mp4 - 21.5M
├─ 9-3初始化都包含什么内容.mp4 - 14.9M
├─ 9-9尝试训练第一个模型.mp4 - 70M
├─ 9-14数据重复采样的代码实现.mp4 - 24.4M
├─ 9-4编写数据加载器部分.mp4 - 13.6M
├─ 9-10借助TensorBoard绘制指标曲线.mp4 - 38.8M
├─ 9-12实现F1Score计算逻辑.mp4 - 11.7M
├─ 9-25分割模型训练及在TensorBoard中查看结果.mp4 - 51.8M
├─ 9-26本章小结.mp4 - 21.9M
├─ 9-15数据增强的代码实现.mp4 - 32.6M
├─ 9-13数据优化方法.mp4 - 21.7M
├─ 9-16第二个模型结节分割.mp4 - 20.1M
├─ 9-24模型存储图像存储代码介绍.mp4 - 17.4M
├─ 9-6定义损失计算和训练验证环节一.mp4 - 31.3M
├─ 9-22Adam优化器和Dice损失.mp4 - 17.5M
└─ 9-11新的模型评估指标F1score.mp4 - 26.9M
├─ 第4章 PyTorch基础知识必备-张量 ->
├─ 4-6张量中的元素类型.mp4 - 10.4M
├─ 4-5张量的基本操作二.mp4 - 23.1M
├─ 4-10张量的底层实现逻辑二.mp4 - 13.6M
├─ 4-4张量的基本操作一.mp4 - 9.9M
├─ 4-8把张量传递到GPU中进行运算.mp4 - 7.3M
├─ 4-7张量的命名.mp4 - 9.9M
├─ 4-1什么是张量.mp4 - 16.6M
├─ 4-2张量的获取与存储一.mp4 - 17.7M
├─ 4-9张量的底层实现逻辑一.mp4 - 21.9M
└─ 4-3张量的获取与存储二.mp4 - 15.2M
├─ 第3章 PyTorch项目热身实践 ->
├─ 3-4课程实战项目简介.mp4 - 10.9M
├─ 3-2工业级数据挖掘流程二.mp4 - 31.9M
├─ 3-1工业级数据挖掘流程一.mp4 - 41.1M
└─ 3-3课程重难点技能分布.mp4 - 8.5M
├─ 第11章 课程总结与面试问题 ->
├─ 11-2课程中的神经网络回顾.mp4 - 23.6M
├─ 11-5持续学习的几个建议.mp4 - 42.6M
├─ 11-4面试过程中可能遇到的问题.mp4 - 45.5M
├─ 11-1肿瘤检测系统架构回顾.mp4 - 27.4M
└─ 11-3模型优化方法回顾.mp4 - 19M
├─ 第2章 课程内容整体规划 ->
├─ 2-2使用预训练的ResNet网络给图片分类一.mp4 - 31.9M
├─ 2-3使用预训练的ResNet网络给图片分类二.mp4 - 30.1M
├─ 2-4使用预训练的GAN网络把马变成斑马.mp4 - 38.3M
└─ 2-1环境安装与配置.mp4 - 27.2M
└─ 第10章 项目实战三：实现端到端的模型预测 ->
├─ 10-4完整的实现端到端肺部肿瘤检测.mp4 - 50.4M
├─ 10-2新的评价指标AUC-ROC曲线.mp4 - 55.3M
├─ 10-6使用合适的框架把模型部署上线二.mp4 - 37.9M
├─ 10-1连接分割模型和分类模型.mp4 - 44.3M
├─ 10-7本章小结.mp4 - 12.4M
├─ 10-5使用合适的框架把模型部署上线一.mp4 - 29.1M
└─ 10-3使用finetune方法构建肿瘤恶性判断模型.mp4 - 58.9M
微信视频投屏：
1、在手机端微信中会拦截投屏功能，需要首先点击视频页面右上角“...”图标，选择“在浏览器中打开”，在列表中选取具备投屏功能的浏览器，推荐使用QQ浏览器
2、在新打开的浏览器视频页面里，点击播放按钮，可在视频框右上角看到一个“TV”投屏小图标，只要电视和手机在同一WiFi环境下，点击按钮即刻享受大屏观感！
本站资源声明：
1、如需免费下载云盘资源，请先点击页面右上角的“登录”按钮，注册并登录您的账号后即可查看到网盘资源下载地址；
2、本站所有资源信息均由网络爬虫自动抓取，以非人工方式自动筛选长效资源并更新发布，资源内容只作交流和学习使用，本站不储存、复制、传播任何文件，其资源的有效性和安全性需要您自行判断；
3、本站高度重视知识产权保护，如有侵犯您的合法权益或违法违规，请立即向网盘官方举报反馈，并提供相关有效书面证明与侵权页面链接联系我们处理；
4、作为非盈利性质网站，仅提供网络资源的免费搜索和检测服务，无需额外支付其他任何费用，学习和交流的同时请小心防范网络诈骗。