PyTorch深度学习开发医学影像端到端判别项目 - 短剧搜 - 免费资源搜索平台，网盘资源搜索神器，百度夸克云盘网盘下

• file:7-13训练我们的分类模型.mp4
• file:7-5分类模型常用损失之交叉熵损失.mp4
• file:7-9卷积中的数据填充方法padding.mp4
• file:7-20优化方案之增加模型深度-depth.mp4
• file:7-7对全连接网络的改进之卷积网络.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:7-1CIFAR-10数据集介绍.mp4
• file:7-2为数据集实现Dataset类.mp4
• file:7-10使用卷积提取图像中的特定特征.mp4
• file:7-8借助PyTorch搭建卷积网络模型.mp4
• file:7-17优化方案之数据正则化-normalization一.mp4
• file:7-21本章小结.mp4
• file:7-3为模型准备训练集和验证集.mp4
• file:9-14数据重复采样的代码实现.mp4
• file:9-10借助TensorBoard绘制指标曲线.mp4
• file:9-11新的模型评估指标F1score.mp4
• file:9-13数据优化方法.mp4
• file:9-12实现F1Score计算逻辑.mp4
• file:9-6定义损失计算和训练验证环节一.mp4
• file:9-22Adam优化器和Dice损失.mp4
• file:9-16第二个模型结节分割.mp4
• file:9-25分割模型训练及在TensorBoard中查看结果.mp4
• file:9-24模型存储图像存储代码介绍.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:9-19为图像分割进行数据预处理.mp4
• file:9-18U-Net模型介绍.mp4
• file:9-3初始化都包含什么内容.mp4
• file:9-21构建训练Dataset和使用GPU进行数据增强.mp4
• file:9-5实现模型的核心部分.mp4
• file:6-11神经网络重要概念-激活函数.mp4
• file:6-14使用神经网络解决温度计示数转换问题.mp4
• file:6-1常规模型训练的过程.mp4
• file:6-8使用超参数优化我们的模型效果.mp4
• file:6-4PyTorch中的广播机制.mp4
• file:6-2温度计示数转换.mp4
• file:6-12用PyTorch的nn模块搭建神经网络.mp4
• folder:PyTorch深度学习开发医学影像端到端判别项目
• folder:第7章 使用神经网络区分小鸟和飞机图像
• folder:第9章 项目实战二：模型训练与优化
• folder:第6章 神经网络理念解决温度计转换
• folder:第2章 课程内容整体规划
• folder:第11章 课程总结与面试问题
• folder:第10章 项目实战三：实现端到端的模型预测
• folder:第5章 PyTorch如何处理真实数据