PyTorch深度学习开发医学影像 - 猎人搜索 轻松搜寻全网资源

• 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:1-1课程导学.mp4
• file:9-26本章小结【www..com】.mp4
• file:9-5实现模型的核心部分.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:9-3初始化都包含什么内容.mp4
• file:9-12实现F1Score计算逻辑.mp4
• file:9-7定义损失计算和训练验证环节二.mp4
• file:9-21构建训练Dataset和使用GPU进行数据增强.mp4
• file:9-20为图像分割构建Dataset类.mp4
• file:9-11新的模型评估指标F1score.mp4
• file:9-17图像分割的几种类型.mp4
• file:9-23构建训练流程.mp4
• file:9-1第一个模型结节分类.mp4
• file:9-18U-Net模型介绍.mp4
• file:9-24模型存储图像存储代码介绍.mp4
• file:9-25分割模型训练及在TensorBoard中查看结果.mp4
• file:9-22Adam优化器和Dice损失.mp4
• file:9-15数据增强的代码实现.mp4
• file:9-10借助TensorBoard绘制指标曲线.mp4
• file:7-16优化方案之增加模型宽度-width.mp4
• file:7-1CIFAR-10数据集介绍.mp4
• file:7-8借助PyTorch搭建卷积网络模型.mp4
• file:7-7对全连接网络的改进之卷积网络.mp4
• file:7-5分类模型常用损失之交叉熵损失.mp4
• file:7-18优化方案之数据正则化-normalization二.mp4
• file:7-15该用GPU训练我们的模型.mp4
• file:7-4借助softmax方法给出分类结果.mp4
• file:7-11借助下采样压缩数据.mp4
• file:7-14训练好的模型如何存储.mp4
• file:7-10使用卷积提取图像中的特定特征.mp4
• file:7-3为模型准备训练集和验证集.mp4
• file:7-9卷积中的数据填充方法padding.mp4
• folder:PyTorch深度学习开发医学影像
• folder:23809
• folder:第1章 课程导学
• folder:第9章 项目实战二：模型训练与优化
• folder:第7章 使用神经网络区分小鸟和飞机图像
• folder:第3章 PyTorch项目热身实践
• folder:第6章 神经网络理念解决温度计转换
• folder:第10章 项目实战三：实现端到端的模型预测