文档详情 ID: cmrab36u50vh033uw5dz81693 后台管理 9-19为图像分割进行数据预处理.mp4 9-8在日志中保存重要信息.mp4 9-16第二个模型结节分割.mp4 9-5实现模型的核心部分.mp4 9-6定义损失计算和训练验证环节一.mp4 9-22Adam优化器和Dice损失.mp4 9-9尝试训练第一个模型.mp4 9-3初始化都包含什么内容.mp4 9-25分割模型训练及在TensorBoard中查看结果.mp4 9-13数据优化方法.mp4 9-20为图像分割构建Dataset类.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 9-11新的模型评估指标F1score.mp4 9-12实现F1Score计算逻辑.mp4 9-24模型存储图像存储代码介绍.mp4 9-26本章小结[www.com].mp4 9-14数据重复采样的代码实现.mp4 9-10借助TensorBoard绘制指标曲线.mp4 7-10使用卷积提取图像中的特定特征.mp4 7-16优化方案之增加模型宽度-width.mp4 7-8借助PyTorch搭建卷积网络模型.mp4 7-6全连接网络实现图像分类.mp4 7-15该用GPU训练我们的模型.mp4 7-11借助下采样压缩数据.mp4 7-3为模型准备训练集和验证集.mp4 7-19优化方案之数据正则化-normalization三.mp4 7-9卷积中的数据填充方法padding.mp4 7-5分类模型常用损失之交叉熵损失.mp4 7-14训练好的模型如何存储.mp4 7-21本章小结.mp4 7-1CIFAR-10数据集介绍.mp4 7-4借助softmax方法给出分类结果.mp4 8-4下载项目中的数据集.mp4 8-3制定一个解决方案.mp4 8-8数据坐标系的转换.mp4 8-1肺部癌症检测的项目简介.mp4 8-9编写Dataset方法.mp4 8-5原始数据是长什么样子的.mp4 1-3常用深度学习框架.mp4 1-2深度学习如何影响生活.mp4 3-3课程重难点技能分布.mp4 3-1工业级数据挖掘流程一.mp4 6-11神经网络重要概念-激活函数.mp4 6-10使用PyTorch提供的优化器.mp4 6-14使用神经网络解决温度计示数转换问题.mp4 6-1常规模型训练的过程.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 6-12用PyTorch的nn模块搭建神经网络.mp4 2-2使用预训练的ResNet网络给图片分类一.mp4 2-1环境安装与配置.mp4 5-33D图像的加载.mp4 5-5有时间序列的表格数据加载.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 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 11-1肿瘤检测系统架构回顾.mp4 PyTorch深度学习开发医学影像 第9章 项目实战二:模型训练与优化 第7章 使用神经网络区分小鸟和飞机图像 第1章 课程导学 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 第10章 项目实战三:实现端到端的模型预测 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 大度*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。 选择举报类型 复制链接 进入网盘 分享资源
