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)

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)
安裝說明：mp4檔
系統支援: Windows
軟體類型: 教學軟體
更新日期：2024.01.10



第1章 課程導學
11課程導學.mp4
12深度學習如何影響生活.mp4
13常用深度學習框架.mp4


第2章 課程內容整體規劃
21環境安裝與配置.mp4
22使用預訓練的ResNet網路給圖片分類一.mp4
23使用預訓練的ResNet網路給圖片分類二.mp4
24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
31工業級數據挖掘流程一.mp4
32工業級數據挖掘流程二.mp4
33課程重難點技能分佈.mp4
34課程實戰專案簡介.mp4


第4章 PyTorch基礎知識必備張量
41什麼是張量.mp4
42張量的獲取與儲存一.mp4
43張量的獲取與儲存二.mp4
44張量的基本操作一.mp4
45張量的基本操作二.mp4
46張量中的元素型別.mp4
47張量的命名.mp4
48把張量傳遞到GPU中進行運算.mp4
49張量的底層實現邏輯一.mp4
410張量的底層實現邏輯二.mp4


第5章 PyTorch如何處理真實數據
51普通二維影象的載入一.mp4
52普通二維影象的載入二.mp4
533D影象的載入.mp4
54普通表格數據載入.mp4
55有時間序列的表格數據載入.mp4
56連續值序列值分類值的處理.mp4
57自然語言文字數據載入.mp4
58本章小結.mp4


第6章 神經網路理念解決溫度計轉換
61常規模型訓練的過程.mp4
62溫度計示數轉換.mp4
63神經網路重要概念損失.mp4
64PyTorch中的廣播機制.mp4
65神經網路重要概念梯度.mp4
66神經網路重要概念學習率.mp4
67神經網路重要概念歸一化.mp4
68使用超參數優化我們的模型效果.mp4
69使用PyTorch自動計算梯度.mp4
610使用PyTorch提供的優化器.mp4
611神經網路重要概念啟用函式.mp4
612用PyTorch的nn模組搭建神經網路.mp4
613構建批量訓練方法.mp4
614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
71CIFAR10數據集介紹.mp4
72為數據集實現Dataset類.mp4
73為模型準備訓練集和驗證集.mp4
74藉助softmax方法給出分類結果.mp4
75分類模型常用損失之交叉熵損失.mp4
76全連線網路實現影象分類.mp4
77對全連線網路的改進之摺積網路.mp4
78藉助PyTorch搭建摺積網路模型.mp4
79摺積中的數據填充方法padding.mp4
710使用摺積提取影象中的特定特徵.mp4
711藉助下采樣壓縮數據.mp4
712藉助PyTorch搭建摺積網路.mp4
713訓練我們的分類模型.mp4
714訓練好的模型如何儲存.mp4
715該用GPU訓練我們的模型.mp4
716優化方案之增加模型寬度width.mp4
717優化方案之數據正則化normalization一.mp4
718優化方案之數據正則化normalization二.mp4
719優化方案之數據正則化normalization三.mp4
720優化方案之增加模型深度depth.mp4
721本章小結.mp4


第8章 專案實戰一：理解業務與數據
81肺部癌癥檢測的專案簡介.mp4
82CT數據是什麼樣子.mp4
83制定一個解決方案.mp4
84下載專案中的數據集.mp4
85原始數據是長什麼樣子的.mp4
86載入標註數據.mp4
87載入CT影像數據.mp4
88數據座標系的轉換.mp4
89編寫Dataset方法.mp4
810分割訓練集和驗證集.mp4
811CT數據視覺化實現一.mp4
812CT數據視覺化實現二.mp4
813CT數據視覺化實現三.mp4
814本章小結.mp4


第9章 專案實戰二：模型訓練與優化
91第一個模型結節分類.mp4
92定義模型訓練框架.mp4
93初始化都包含什麼內容.mp4
94編寫數據載入器部分.mp4
95實現模型的核心部分.mp4
96定義損失計算和訓練驗證環節一.mp4
97定義損失計算和訓練驗證環節二.mp4
98在日誌中儲存重要資訊.mp4
99嘗試訓練第一個模型.mp4
910藉助TensorBoard繪製指標曲線.mp4
911新的模型評估指標F1score.mp4
912實現F1Score計算邏輯.mp4
913數據優化方法.mp4
914數據重複採樣的程式碼實現.mp4
915數據增強的程式碼實現.mp4
916第二個模型結節分割.mp4
917影象分割的幾種型別.mp4
918UNet模型介紹.mp4
919為影象分割進行數據預處理.mp4
920為影象分割構建Dataset類.mp4
921構建訓練Dataset和使用GPU進行數據增強.mp4
922Adam優化器和Dice損失.mp4
923構建訓練流程.mp4
924模型儲存影象儲存程式碼介紹.mp4
925分割模型訓練及在TensorBoard中檢視結果.mp4
926本章小結.mp4


第10章 專案實戰三：實現端到端的模型預測
101連線分割模型和分類模型.mp4
102新的評價指標AUCROC曲線.mp4
103使用finetune方法構建腫瘤惡性判斷模型.mp4
104完整的實現端到端肺部腫瘤檢測.mp4
105使用合適的框架把模型部署上線一.mp4
106使用合適的框架把模型部署上線二.mp4
107本章小結.mp4


第11章 課程總結與面試問題
111腫瘤檢測系統架構回顧.mp4
112課程中的神經網路回顧.mp4
113模型優化方法回顧.mp4
114面試過程中可能遇到的問題.mp4
115持續學習的幾個建議.mp4