PyTorch深度学习开发医学影像端到端判别网盘资源免费观看百度云网盘链接提取码分享下载

• file:更多精品资源.txt
• file:7-10使用卷积提取图像中的特定特征.mp4
• file:7-1CIFAR-10数据集介绍.mp4
• file:7-11借助下采样压缩数据.mp4
• file:7-8借助PyTorch搭建卷积网络模型.mp4
• file:7-18优化方案之数据正则化-normalization二.mp4
• file:7-21本章小结.mp4
• file:7-14训练好的模型如何存储.mp4
• file:7-9卷积中的数据填充方法padding.mp4
• file:7-6全连接网络实现图像分类.mp4
• file:7-3为模型准备训练集和验证集.mp4
• file:7-5分类模型常用损失之交叉熵损失.mp4
• file:7-2为数据集实现Dataset类.mp4
• file:7-4借助softmax方法给出分类结果.mp4
• file:7-20优化方案之增加模型深度-depth.mp4
• file:7-15该用GPU训练我们的模型.mp4
• file:4-10张量的底层实现逻辑二.mp4
• file:4-6张量中的元素类型.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:5-4普通表格数据加载.mp4
• file:5-6连续值序列值分类值的处理.mp4
• file:9-17图像分割的几种类型.mp4
• file:9-25分割模型训练及在TensorBoard中查看结果.mp4
• file:9-2定义模型训练框架.mp4
• file:9-15数据增强的代码实现.mp4
• file:9-18U-Net模型介绍.mp4
• file:9-10借助TensorBoard绘制指标曲线.mp4
• file:9-12实现F1Score计算逻辑.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:9-24模型存储图像存储代码介绍.mp4
• file:9-3初始化都包含什么内容.mp4
• file:9-8在日志中保存重要信息.mp4
• file:9-9尝试训练第一个模型.mp4
• file:9-22Adam优化器和Dice损失.mp4
• file:9-21构建训练Dataset和使用GPU进行数据增强.mp4
• file:9-16第二个模型结节分割.mp4
• file:10-6使用合适的框架把模型部署上线二.mp4
• file:10-4完整的实现端到端肺部肿瘤检测.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:10-1连接分割模型和分类模型.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:2-4使用预训练的GAN网络把马变成斑马.mp4
• file:2-1环境安装与配置.mp4
• file:11-4面试过程中可能遇到的问题.mp4
• file:11-3模型优化方法回顾.mp4
• file:11-5持续学习的几个建议.mp4
• file:8-2CT数据是什么样子.mp4
• file:8-4下载项目中的数据集.mp4
• file:8-8数据坐标系的转换.mp4
• file:8-3制定一个解决方案.mp4
• file:8-1肺部癌症检测的项目简介.mp4
• file:3-1工业级数据挖掘流程一.mp4
• file:3-3课程重难点技能分布.mp4
• folder:PyTorch深度学习开发医学影像端到端判别
• folder:第7章 使用神经网络区分小鸟和飞机图像
• folder:第4章 PyTorch基础知识必备-张量
• folder:第9章 项目实战二：模型训练与优化
• folder:第10章 项目实战三：实现端到端的模型预测
• folder:第1章 课程导学
• folder:第6章 神经网络理念解决温度计转换