第1章 课程介绍-选择Pytorch的理由
1-1 课程导学 (13:57)
第2章 初识PyTorch框架与环境搭建
2-1 初识Pytorch基本框架 (11:15)
2-2 【讨论题】比较动态图与静态图推理框架
2-3 环境配置（1） (11:21)
2-4 环境配置（2） (08:48)
第3章 PyTorch入门基础串讲
3-1 机器学习中的分类与回归问题-机器学习基本构成元素 (11:15)
3-2 Tensor的基本定义 (06:21)
3-3 Tensor与机器学习的关系 (07:33)
3-4 Tensor创建编程实例 (19:55)
3-5 Tensor的属性 (07:39)
3-6 Tensor的属性-稀疏的张量的编程实践 (07:39)
3-7 Tensor的算术运算 (08:12)
3-8 Tensor的算术运算编程实例 (17:06)
3-9 in-place的概念和广播机制 (09:58)
3-10 取整-余 (03:49)
3-11 比较运算-排序-topk-kthvalue-数据合法性校验 (18:28)
3-12 三角函数 (04:18)
3-13 其他数学函数 (05:33)
3-14 Pytorch与统计学方法 (14:55)
3-15 Pytorch与分布函数 (04:56)
3-16 Pytorch与随机抽样 (05:15)
3-17 Pytorch与线性代数运算 (09:18)
3-18 Pytorch与矩阵分解-PCA (19:52)
3-19 Pytorch与矩阵分解-SVD分解-LDA (13:09)
3-20 Pytorch与张量裁剪 (08:48)
3-21 Pytorch与张量的索引与数据筛选 (27:08)
3-22 Pytorch与张量组合与拼接 (11:34)
3-23 Pytorch与张量切片 (07:37)
3-24 Pytorch与张量变形 (14:09)
3-25 Pytorch与张量填充&傅里叶变换 (03:27)
3-26 Pytorch简单编程技巧 (11:33)
3-27 Pytorch与autograd-导数-方向导数-偏导数-梯度的概念 (10:02)
3-28 Pytorch与autograd-梯度与机器学习最优解 (12:46)
3-29 Pytorch与autograd-Variable$tensor (02:57)
3-30 Pytorch与autograd-如何计算梯度 (03:04)
3-31 Pytorch与autograd中的几个重要概念-variable-grad-grad_fn (10:32)
3-32 Pytorch与autograd中的几个重要概念-autograd例子 (14:15)
3-33 Pytorch与autograd中的几个重要概念-function (08:18)
3-34 Pytorch与nn库 (19:46)
3-35 Pytorch与visdom (04:56)
3-36 Pytorch与tensorboardX (05:57)
3-37 Pytorch与torchvision (02:21)
第4章 PyTorch搭建简单神经网络
4-1 机器学习和神经网络的基本概念（1） (20:53)
4-2 机器学习和神经网络的基本概念（2） (17:16)
4-3 利用神经网络解决分类和回归问题（1） (18:27)
4-4 利用神经网络解决分类和回归问题（2） (18:46)
4-5 利用神经网络解决分类和回归问题（3） (13:08)
4-6 利用神经网络解决分类和回归问题（4） (12:06)
4-7 利用神经网络解决分类和回归问题（5） (13:29)
第5章 计算机视觉与卷积神经网络基础串讲
5-1 计算机视觉基本概念 (23:01)
5-2 图像处理常见概念 (24:30)
5-3 特征工程 (14:07)
5-4 卷积神经网（上） (12:36)
5-5 卷积神经网（下） (12:04)
5-6 pooling层 (05:07)
5-7 激活层-BN层-FC层-损失层 (12:13)
5-8 经典卷积神经网络结构 (09:54)
5-9 轻量型网络结构 (07:35)
5-10 多分支网络结构 (03:42)
5-11 attention的网络结构 (08:24)
5-12 学习率 (04:43)
5-13 优化器 (07:32)
5-14 卷积神经网添加正则化 (03:27)
第6章 PyTorch实战计算机视觉任务-Cifar10图像分类
6-1 图像分类网络模型框架解读（上） (15:04)
6-2 图像分类网络模型框架解读（下） (15:41)
6-3 cifar10数据介绍-读取-处理（上） (09:43)
6-4 cifar10数据介绍-读取-处理（下） (10:49)
6-5 PyTorch自定义数据加载-加载Cifar10数据 (15:23)
6-6 PyTorch搭建 VGGNet 实现Cifar10图像分类 (15:03)
6-7 PyTorch搭建cifar10训练脚本-tensorboard记录LOG（上） (14:48)
6-8 PyTorch搭建cifar10训练脚本-tensorboard记录LOG（下） (19:36)
6-9 PyTorch搭建cifar10训练脚本搭建-ResNet结构（上） (16:56)
6-10 PyTorch搭建cifar10训练脚本搭建-ResNet结构（下） (10:29)
6-11 PyTorch搭建cifar10训练脚本搭建-Mobilenetv1结构 (11:34)
6-12 PyTorch搭建cifar10训练脚本搭建-Inception结构（上） (15:04)
6-13 PyTorch搭建cifar10训练脚本搭建-Inception结构（下） (09:13)
6-14 PyTorch搭建cifar10训练脚本搭建-调用Pytorch标准网络ResNet18等 (06:05)
6-15 PyTorch搭建cifar10推理测试脚本搭建 (08:30)
6-16 分类问题优化思路 (17:12)
6-17 分类问题最新研究进展和方向 (06:33)
第7章 Pytorch实战计算机视觉任务-Pascal VOC目标检测问题
7-1 目标检测问题介绍（上） (14:09)
7-2 目标检测问题介绍（下） (11:47)
7-3 Pascal VOC-COCO数据集介绍 (05:14)
7-4 MMdetection框架介绍-安装说明 (15:11)
7-5 MMdetection框架使用说明 (12:18)
7-6 【讨论题】比较mmdetection与detectron
7-7 MMdetection训练Passcal VOC目标检测任务（上） (17:26)
7-8 MMdetection训练Passcal VOC目标检测任务（中） (16:27)
7-9 MMdetection训练Passcal VOC目标检测任务（下） (11:51)
7-10 MMdetection Test脚本 (03:36)
7-11 MMdetection LOG分析 (05:43)
第8章 PyTorch实战计算机视觉任务-COCO目标分割问题
8-1 图像分割基本概念 (10:37)
8-2 图像分割方法介绍 (19:02)
8-3 图像分割评价指标及目前面临的挑战 (09:51)
8-4 COCO数据集介绍 (04:20)
8-5 detectron框架介绍和使用简单说明 (10:09)
8-6 coco数据集标注文件解析 (07:52)
8-7 detectron源码解读和模型训练-demo测试 (37:29)
8-8 【讨论题】比较全景分割，语义分割和实例分割不同任务
第9章 PyTorch搭建GAN网络实战图像风格迁移
9-1 GAN的基础概念和典型模型介绍（上） (15:03)
9-2 GAN的基础概念和典型模型介绍（下） (13:02)
9-3 图像风格转换数据下载与自定义dataset类 (11:14)
9-4 cycleGAN模型搭建-model (16:15)
9-5 cycleGAN模型搭建-train（上） (18:02)
9-6 cycleGAN模型搭建-train（下） (18:28)
9-7 cycleGAN模型搭建-test (06:40)
第10章 循环神经网与NLP基础串讲
10-1 RNN网络基础 (07:18)
10-2 RNN常见网络结构-simple RNN网络 (10:56)
10-3 Bi-RNN网络 (04:42)
10-4 LSTM网络基础 (13:58)
10-5 Attention结构 (09:41)
10-6 Transformer结构 (13:15)
10-7 BERT结构 (07:21)
10-8 NLP基础概念介绍 (15:06)
10-9 【讨论题】深入了解transformer在CV任务中的应用
第11章 PyTorch实战中文文本情感分类问题
11-1 文本情感分析-情感分类概念介绍 (09:34)
11-2 文本情感分类关键流程介绍 (02:25)
11-3 文本情感分类之文本预处理 (06:33)
11-4 文本情感分类之特征提取与文本表示 (05:15)
11-5 文本情感分类之深度学习模型 (08:33)
11-6 文本情感分类-数据准备 (16:42)
11-7 文本情感分类-dataset类定义 (12:32)
11-8 文本情感分类-model类定义 (11:37)
11-9 文本情感分类-train脚本定义 (13:37)
11-10 文本情感分类-test脚本定义 (05:06)
第12章 PyTorch实战机器翻译问题
12-1 机器翻译相关方法-应用场景-评价方法 (14:23)
12-2 Seq2Seq-Attention编程实例数据准备-模型结构-相关函数 (05:31)
12-3 Seq2Seq-Attention编程实例-定义数据处理模块 (17:08)
12-4 Seq2Seq-Attention编程实例-定义模型结构模块（上） (13:10)
12-5 Seq2Seq-Attention编程实例-定义模型结构模块（下） (13:46)
12-6 Seq2Seq-Attention编程实例-定义train模块（上） (13:03)
12-7 Seq2Seq-Attention编程实例-定义train模块（下） (10:33)
12-8 Seq2Seq-Attention编程实例-定义train模块-loss function (20:10)
12-9 Seq2Seq-Attention编程实例-定义eval模块 (08:40)
12-10 【讨论题】深入了解Attention在CV任务中的应用前景？
第13章 PyTorch工程应用介绍
13-1 PyTorch模型开发与部署基础平台介绍 (09:39)
13-2 PyTorch工程化基础–Torchscript (09:15)
13-3 PyTorch服务端发布平台–Torchserver (06:31)
13-4 PyTorch终端推理基础–ONNX (06:05)
第14章 【选修】Linux操作基础串讲
14-1 linux操作基础串讲 (19:18)
第15章 课程总结与回顾
15-1 课程总结 (11:14)
网盘截图：
