mksz612Pytorch框架全流程开发医学影像端到端判别实战项目网盘资源 | 影盘社

file:7-12 借助PyTorch搭建卷积网络@.mp4
file:7-21 本章小结.mp4
file:7-11 借助下采样压缩数据-mp4
file:7-5 分类模型常用损失之交叉熵损失[耗时整理‖免费分享 cunlove.cn].mp4
file:7-19 优化方案之数据正则化-normalization(三)@.mp4
file:7-15 该用GPU训练我们的模型.mp4
file:7-3 为模型准备训练集和验证集@.mp4
file:7-16 优化方案之增加模型宽度-width.mp4
file:7-7 对全连接网络的改进之卷积网络-mp4
file:7-9 卷积中的数据填充方法padding@.mp4
file:7-1 CIFAR-10数据集介绍.mp4
file:7-10 使用卷积提取图像中的特定特征@.mp4
file:7-6 全连接网络实现图像分类@.mp4
file:10-6 使用合适的框架把模型部署上线(二)@.mp4
file:10-1 连接分割模型和分类模型@.mp4
file:10-2 新的评价指标:AUC-ROC曲线@.mp4
file:10-3 使用finetune方法构建肿瘤恶性判断模型@.mp4
file:10-4 完整的实现端到端肺部肿瘤检测@.mp4
file:2-3 使用预训练的ResNet网络给图片分类(二)@[耗时整理‖免费分享 cunlove.cn].mp4
file:2-1 环境安装与配置-mp4
file:2-4 使用预训练的GAN网络把马变成斑马-mp4
file:2-2 使用预训练的ResNet网络给图片分类(一).mp4
file:6-8 使用超参数优化我们的模型效果@.mp4
file:6-2 温度计示数转换.mp4
file:6-5 神经网络重要概念-梯度.mp4
file:6-1 常规模型训练的过程@.mp4
file:6-4 PyTorch中的广播机制.mp4
file:6-12 用PyTorch的nn模块搭建神经网络[耗时整理‖免费分享 cunlove.cn].mp4
file:9-13 数据优化方法.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:9-3 初始化都包含什么内容-mp4
file:9-5 实现模型的核心部分.mp4
file:9-9 尝试训练第一个模型@.mp4
file:9-10 借助TensorBoard绘制指标曲线@.mp4
file:9-22 Adam优化器和Dice损失@.mp4
file:9-17 图像分割的几种类型.mp4
file:9-16 第二个模型:结节分割-mp4
file:9-18 U-Net模型介绍-mp4
file:9-21 构建训练Dataset和使用GPU进行数据增强@.mp4
file:9-14 数据重复采样的代码实现@.mp4
file:9-7 定义损失计算和训练验证环节(二).mp4
file:9-12 实现F1Score计算逻辑@.mp4
file:9-4 编写数据加载器部分-mp4
file:5-3 3D图像的加载-mp4
file:5-6 连续值,序列值,分类值的处理.mp4
file:5-5 有时间序列的表格数据加载@.mp4
file:1-2 深度学习如何影响生活@.mp4
file:11-1 肿瘤检测系统架构回顾.mp4
file:11-2 课程中的神经网络回顾@.mp4
file:11-4 面试过程中可能遇到的问题-mp4
file:8-6 加载标注数据@.mp4
file:8-5 原始数据是长什么样子的@.mp4
file:8-13 CT数据可视化实现(三)@.mp4
file:8-3 制定一个解决方案.mp4
folder:mksz612Pytorch框架全流程开发医学影像端到端判别实战项目
folder:7-使用神经网络区分小鸟和飞机图像
folder:10-项目实战三:实现端到端的模型预测
folder:2-课程内容整体规划
folder:6-神经网络理念解决温度计转换
folder:9-项目实战二:模型训练与优化
folder:5-PyTorch如何处理真实数据
folder:1-课程导学
folder:11-课程总结与面试问题
folder:4-PyTorch基础知识必备-张量

分享时间

2025-10-29

入库时间

2025-12-29

资源类型

夸克网盘

分享用户

夸父*773

mksz612Pytorch框架全流程开发医学影像端到端判别实战项目网盘资源 | 影盘社

扫码获取资源

进入网盘

分享资源