11-4面试过程中可能遇到的问题.mp4
11-5持续学习的几个建议.mp4
11-2课程中的神经网络回顾.mp4
10-7本章小结.mp4
10-3使用finetune方法构建肿瘤恶性判断模型.mp4
10-5使用合适的框架把模型部署上线一.mp4
10-4完整的实现端到端肺部肿瘤检测.mp4
10-2新的评价指标AUC-ROC曲线.mp4
10-1连接分割模型和分类模型.mp4
8-10分割训练集和验证集.mp4
8-6加载标注数据.mp4
8-8数据坐标系的转换.mp4
8-12CT数据可视化实现二.mp4
8-9编写Dataset方法.mp4
8-5原始数据是长什么样子的.mp4
8-3制定一个解决方案.mp4
8-1肺部癌症检测的项目简介.mp4
1-2深度学习如何影响生活.mp4
1-3常用深度学习框架.mp4
7-17优化方案之数据正则化-normalization一.mp4
7-5分类模型常用损失之交叉熵损失.mp4
7-12借助PyTorch搭建卷积网络.mp4
7-14训练好的模型如何存储.mp4
7-11借助下采样压缩数据.mp4
7-7对全连接网络的改进之卷积网络.mp4
7-4借助softmax方法给出分类结果.mp4
7-10使用卷积提取图像中的特定特征.mp4
7-20优化方案之增加模型深度-depth.mp4
7-1CIFAR-10数据集介绍.mp4
7-9卷积中的数据填充方法padding.mp4
7-15该用GPU训练我们的模型.mp4
9-6定义损失计算和训练验证环节一.mp4
9-24模型存储图像存储代码介绍.mp4
9-15数据增强的代码实现.mp4
9-25分割模型训练及在TensorBoard中查看结果.mp4
9-2定义模型训练框架.mp4
9-17图像分割的几种类型.mp4
9-11新的模型评估指标F1score.mp4
9-4编写数据加载器部分.mp4
9-21构建训练Dataset和使用GPU进行数据增强.mp4
9-18U-Net模型介绍.mp4
9-16第二个模型结节分割.mp4
9-8在日志中保存重要信息.mp4
9-22Adam优化器和Dice损失.mp4
9-12实现F1Score计算逻辑.mp4
9-3初始化都包含什么内容.mp4
9-26本章小结[www.com].mp4
9-10借助TensorBoard绘制指标曲线.mp4
9-20为图像分割构建Dataset类.mp4
9-9尝试训练第一个模型.mp4
2-1环境安装与配置.mp4
2-4使用预训练的GAN网络把马变成斑马.mp4
3-2工业级数据挖掘流程二.mp4
3-3课程重难点技能分布.mp4
5-5有时间序列的表格数据加载.mp4
5-2普通二维图像的加载二.mp4
5-6连续值序列值分类值的处理.mp4
[教程学习资料大全].png
6-3神经网络重要概念-损失.mp4
6-8使用超参数优化我们的模型效果.mp4
6-2温度计示数转换.mp4
6-13构建批量训练方法.mp4
6-14使用神经网络解决温度计示数转换问题.mp4
PyTorch深度学习开发医学影像
第11章课程总结与面试问题
第10章项目实战三:实现端到端的模型预测
第8章项目实战一:理解业务与数据
第7章使用神经网络区分小鸟和飞机图像
第2章课程内容整体规划
第3章 PyTorch项目热身实践
第6章神经网络理念解决温度计转换

分享时间

0001-01-01

入库时间

2026-08-05

资源类型

夸克网盘

分享用户

一鸣*人的梨子

扫码获取资源

问题反馈链接失效、内容异常、密码错误等问题都可以快速提交。

进入网盘

分享资源