分享资源

零基础入门PyTorch深度学习：从理论到项目实战

・本站会员获取资源无需消耗积分。
・为防止资源链接失效，请及时转存文件。

  • 夸克网盘 0基础掌握AI深度学习与PyTorch实战视频教程

    此课程专为AI深度学习初学者打造，借助PyTorch框架，从神经网络基础到高级模型应用，全面涵盖深度学习核心技术。课程包含神经网络、卷积神经网络、循环神经网络、注意力机制等核心概念，以及PyTorch的安装、数据加载、模型训练与优化等实战技能。通过丰富的实战案例，助力学员从零起步，逐步掌握深度学习关键技术，最终能独立完成复杂AI项目的开发与部署。适合渴望快速入门AI深度学习领域的技术爱好者和专业人士。...
    AI深度学习PyTorch实战教程
    0基础掌握AI深度学习与PyTorch实战视频教程
    0基础掌握AI深度学习与PyTorch实战视频教程

  • 夸克网盘 《0基础AI入门：深度学习与Pytorch实战指南》

    这门课程专为AI初学者量身打造，是开启人工智能学习之旅的理想选择。课程全面涵盖深度学习基础与Pytorch实战操作，从神经网络、卷积网络，到RNN和注意力机制，逐步深入讲解。通过大量丰富案例和实战演练，助力学员掌握AI核心技术，提升跨专业能力。课程内容通俗易懂，即使是零基础学员也能轻松跟上。无论是想转行进入AI领域，还是对人工智能感兴趣的爱好者，都能通过该课程系统学习，为未来的职业发展打下坚实基础，是开启人工智能高薪大门的钥匙。...
    AI入门PyTorch深度学习
    《0基础AI入门：深度学习与Pytorch实战指南》
    《0基础AI入门：深度学习与Pytorch实战指南》

  • 夸克网盘 0基础AI入门实战：深度学习与PyTorch案例精讲

    0基础AI入门实战：深度学习与PyTorch案例精讲 本课程专为零基础学习者打造，是跨专业提升的优质选择。它将深度学习与PyTorch框架相结合，通过通俗易懂的讲解和丰富的实战案例，帮助学员轻松入门。 课程内容涵盖神经网络、卷积神经网络、RNN网络、注意力机制、BERT训练等核心知识，详细拆解架构，深入解读方法和流程。同时，还介绍了PyTorch框架与其他框架的区别，以及CPU与GPU版本的安装方法。 在实战方面，学员将学习如何使用PyTorch进行数据集处理、模型定义、训练和预测，掌握迁移学习、优化器与学习率衰减等实用技巧。无论是图像数据还是文本数据，都能找到对应的处理方法和案例。 对于想要…...
    AI入门实战PyTorch深度学习
    0基础AI入门实战：深度学习与PyTorch案例精讲
    0基础AI入门实战：深度学习与PyTorch案例精讲

  • 夸克网盘 黑马Python开发到深度学习急速就业班课程

    该课程专为想快速进入人工智能领域的学员打造，适合零基础者及想提升AI应用技能的专业人士。课程内容丰富，涵盖从Python基础到进阶编程，包括数据处理、机器学习、深度学习及自然语言处理（NLP）等核心技能。通过金融风控、AI医生及文本摘要等实战项目，学员能掌握从数据预处理到模型部署的全流程，增强解决实际问题的能力。课程注重实践，能让学员在学习过程中积累大量项目经验，为快速就业并成为AI领域专业人才助力。...
    AI课程Python开发深度学习
    黑马Python开发到深度学习急速就业班课程
    黑马Python开发到深度学习急速就业班课程

  • 夸克网盘 AI算法工程师就业班：全面掌握从入门到精通的高薪技能

    此课程专为想成为AI算法工程师的学习者打造，涵盖从人工智能基础到高级机器学习和深度学习的全面知识。课程内容丰富，包含Python编程、数据处理、机器学习算法、深度学习框架（如TensorFlow和PyTorch）等。通过学习，学员不仅能掌握AI算法的核心理论，还能通过Kaggle竞赛和推荐系统开发等实战项目，提升解决复杂问题的能力。课程的特色在于理论与实践紧密结合，让学员在学习理论知识的同时，通过实际项目积累经验。而且，课程内容全面，从基础的人工智能概念到高级的深度学习算法，都有详细的讲解。对于想进入高薪AI领域的人群来说，这是一个很好的学习机会，能为他们打下坚实的基础。...
    AI算法工程师人工智能课程机器学习
    AI算法工程师就业班：全面掌握从入门到精通的高薪技能
    AI算法工程师就业班：全面掌握从入门到精通的高薪技能

  • 夸克网盘 AI算法工程师实战就业班：涵盖Python、机器学习、深度学习与项目实战

    此课程专为想成为AI算法工程师的人群打造，全面覆盖Python编程、机器学习、深度学习等核心技术，还搭配实战项目与源码，助力快速掌握AI算法开发技能。课程从人工智能基础讲起，强化Python科学计算能力，巩固高等数学知识，为后续学习筑牢根基。机器学习部分，深入讲解线性回归、线性分类、无监督学习、决策树系列、概率图模型等算法，结合Kaggle竞赛实战，积累实际操作经验。深度学习板块，聚焦神经网络算法和TensorFlow等工具，帮助理解深度学习原理。适合零基础学员，通过系统学习，可掌握AI算法开发全流程，开启高薪职业之路。无论是想进入AI领域的新手，还是期望提升技能的从业者，该课程都是不错的选择…...
    AI算法工程师Python编程机器学习
    AI算法工程师实战就业班：涵盖Python、机器学习、深度学习与项目实战
    AI算法工程师实战就业班：涵盖Python、机器学习、深度学习与项目实战

  • 迅雷云盘 2024黑马博学谷AI大模型训练营1期

    2024黑马博学谷AI大模型训练营1期是面向AI大模型学习爱好者的优质课程。课程开篇以开班仪式和Python前置课程串讲为起点，为学员奠定编程基础。随后深入讲解大模型前置知识、基础知识以及主要类别架构，让学员全面了解大模型的理论体系。 在主流大模型介绍环节，课程详细阐述了大模型Prompt-Tuning方法，从入门到进阶，再到提示词工程应用，逐步提升学员的实操能力。课程还设置了丰富的项目实践，涵盖金融、电商、物流、大健康、新零售、新媒体等多个行业，如金融行业动态风向评估、电商领域虚拟试衣系统等，帮助学员将理论知识运用到实际场景中。 此外，课程包含Stable Diffusion多模态大模型应用…...
    AI黑马博学谷
    2024黑马博学谷AI大模型训练营1期
    2024黑马博学谷AI大模型训练营1期

  • 夸克网盘 李沐《动手学深度学习V2》：从零到实战的AI课程

    《动手学深度学习V2》由李沐博士主讲，是一门涵盖深度学习从基础理论到实战应用的全方位课程。课程内容丰富，包含数据操作、线性代数、卷积神经网络、循环神经网络等核心知识点。通过学习这些内容，学员能系统掌握深度学习的理论基础。课程的一大亮点是设置了多个实战项目，如Kaggle房价预测、图像分类等。这些实战项目让学员在实践中巩固所学知识，掌握深度学习的实际应用方法，提升解决实际问题的能力。该课程适合初学者和进阶者。对于初学者，能帮助他们快速入门深度学习；对于进阶者，可进一步提升其在该领域的专业水平。课程还提供高清视频、代码实现和QA答疑，助力学员快速成为AI领域的专家。...
    AI课程李沐深度学习
    李沐《动手学深度学习V2》：从零到实战的AI课程
    李沐《动手学深度学习V2》：从零到实战的AI课程

  • 百度网盘 Python计算机视觉：从0基础到实战进阶

    此课程专为计算机视觉初学者量身打造，全面覆盖从Python基础、OpenCV入门到20多个实战项目的内容。课程包含人脸识别、YOLOv5目标检测、OCR文字识别、GAN图像生成等热门技术，还涉及树莓派、Jetson Nano等硬件部署。通过“防挡弹幕”“手势控制无人机”等趣味项目，能让学习者快速掌握计算机视觉核心技能。课程提供完整项目代码，助力学习者实现从理论到实践的无缝衔接，非常适合希望快速入门AI视觉开发的工程师和学生。...
    AI视觉开发Python计算机视觉计算机视觉课程
    Python计算机视觉：从0基础到实战进阶
    Python计算机视觉：从0基础到实战进阶

  • 百度网盘 2024黑马博学谷AI大模型训练营1期

    2024黑马博学谷AI大模型训练营1期是一门专注于AI大模型领域的课程。课程内容丰富全面，从开班仪式与Python前置课程串讲出发，深入讲解大模型前置知识、基础知识、主要类别架构等理论内容。在模型介绍方面，涵盖主流大模型，并对大模型Prompt-Tuning方法进行从入门到进阶的教学，还涉及大模型提示词工程应用。项目实践是课程一大亮点，设有金融行业动态风向评估、电商领域虚拟试衣系统、物流行业信息咨询智能问答系统、大健康行业智能问诊系统、新零售行业评价决策系统、新媒体行业评论智能分类与信息抽取系统等多个项目，让学员在实践中巩固所学知识。此外，课程还包含Stable Diffusion多模态大模型…...
    AI大模型训练营课程
    2024黑马博学谷AI大模型训练营1期
    2024黑马博学谷AI大模型训练营1期

  • 夸克网盘 《路飞Python人工智能AI工程师课程》

    路飞Python人工智能AI工程师课程是一套全面且专业的编程学习资源。课程从Python快速入门讲起，涵盖编程基础概念、语法、数据类型、控制结构等内容，为后续学习筑牢根基。在数据科学领域，课程深入讲解Numpy、Pandas等工具包实战应用，助力学习者掌握数据处理与分析技能。同时介绍Matplotlib、Seaborn等可视化库，能将数据以直观方式呈现。人工智能必备数学课程部分，详细阐述线性代数、微积分、概率论等知识，为理解算法原理提供理论支撑。机器学习算法精讲及案例应用，涉及回归、分类、聚类等算法，结合实际案例加深理解。课程还包含多个实战项目和案例集锦，如气温预测、新闻分类、音乐推荐等，让学…...
    Python人工智能编程课程路飞教育
    《路飞Python人工智能AI工程师课程》
    《路飞Python人工智能AI工程师课程》

  • 夸克网盘 AI大模型训练营1期

    AI大模型训练营1期，助你在8周内掌握大模型垂直业务领域应用与开发能力。 课程内容丰富全面，涵盖大模型入门、应用初体验、初级开发、高级开发以及模型部署等阶段。学完后，可独立运用大模型技术开发文生图、情感分析、知识问答等项目。 该训练营适合想要从IT领域转型到AI领域，重新赋能开发技术的人员。通过学习，能让学员成为穿越周期的“薪”质人才，在竞争激烈的职场中脱颖而出。无论是金融、电商、物流，还是大健康、新零售、新媒体等行业的相关项目开发，都能在课程中找到对应的知识和实践内容。...
    AI大模型大模型开发编程课程
    AI大模型训练营1期
    AI大模型训练营1期

  • 夸克网盘 2024黑马博学谷AI大模型训练营1期

    2024黑马博学谷AI大模型训练营1期是一门专注于AI大模型领域的课程。课程内容丰富全面，从开班仪式与Python前置课程串讲出发，涵盖大模型前置知识、基础知识、主要类别架构等基础内容。在主流大模型介绍方面，涉及ChatGPT、ChatGLM - 6B等，还深入讲解大模型Prompt - Tuning方法的入门与进阶以及提示词工程应用。项目实践多样，包括金融行业动态风向评估、电商领域虚拟试衣系统、物流行业信息咨询智能问答系统、大健康行业智能问诊系统、新零售行业评价决策系统、新媒体行业评论智能分类与信息抽取系统等项目。此外，还有Stable Diffusion多模态大模型应用实战，以及文心一言&…...
    AI大模型训练营课程
    2024黑马博学谷AI大模型训练营1期
    2024黑马博学谷AI大模型训练营1期

  • 夸克网盘 吴师兄大模型训练营2025新版实战课程——从零基础到企业级应用全栈进阶

    吴师兄大模型训练营2025新版实战课程——从零基础到企业级应用全栈进阶 当下，大模型技术在多领域加速落地，企业对有实战能力的大模型开发人才需求剧增。《2025年中国AI人才发展报告》显示，具备大模型微调、RAG构建和多模态开发能力的工程师薪资比普通AI岗位高60%以上，市场供给缺口超70%。吴师兄大模型训练营2025新版实战课程应运而生，以“问题驱动、实战导向”为理念，为零基础到进阶开发者打造从原理到工业级项目落地的学习体系。 为何选2025新版？五大升级革新AI学习 该课程非“概念科普”或“Demo演示”，而是对标一线大厂岗位的实战训练营。2025新版全面升级：全面适配Qwen3、Llama…...
    AI人才培养吴师兄大模型开发
    吴师兄大模型训练营2025新版实战课程——从零基础到企业级应用全栈进阶
    吴师兄大模型训练营2025新版实战课程——从零基础到企业级应用全栈进阶

  • 夸克网盘 唐宇迪37门人工智能与大数据视频课程合集：全栈技术进阶必备

    介绍 唐宇迪博士精心打造的37门视频课程合集，聚焦「人工智能」与「大数据」领域，为学习者构建“基础理论+实战项目+行业应用”的全链路知识体系。 课程覆盖「人工智能」「大数据」「计算机视觉」「编程开发」「数据科学」五大技术赛道，从零基础入门到高阶进阶层层递进。既包含Python编程、机器学习算法等底层技术基石，也聚焦深度学习框架（PyTorch/TensorFlow）、计算机视觉（图像识别/目标检测）、自然语言处理（NLP模型优化）等前沿领域，更延伸至大数据处理（Hadoop/Spark）、Web开发（前后端实战）、数据挖掘与分析等热门应用场景。 每门课程均以“理论讲解+代码演示+项目实战”为核…...
    人工智能课程唐宇迪大数据课程
    唐宇迪37门人工智能与大数据视频课程合集：全栈技术进阶必备
    唐宇迪37门人工智能与大数据视频课程合集：全栈技术进阶必备

零基础入门PyTorch深度学习：从理论到项目实战

此课程专为深度学习初学者量身打造，覆盖了从神经网络基础到高级项目实战的全流程。借助详细的视频教程，学员能学会运用PyTorch框架开展模型构建、训练与优化，涉及卷积神经网络、循环神经网络以及最新的Transformer技术。课程内容丰富多样，从基础概念逐步过渡到实战应用，保证学员掌握深度学习核心技能，可独立完成项目开发。无论是想投身AI领域的新手，还是希望提升现有技能的学习者，都适合学习该课程。

📢 以下文件由夸克网盘用户于2024-09-30分享（文件数量过多时仅展示部分文件）
零基础入门实战深度学习Pytorch2.66GB
001-课程介绍.mp451.62MB
002-1-神经网络要完成的任务分析.mp421.72MB
003-2-模型更新方法解读.mp415.4MB
004-3-损失函数计算方法.mp417.96MB
005-4-前向传播流程解读.mp414.44MB
006-5-反向传播演示.mp414.31MB
007-6-神经网络整体架构详细拆解.mp429.55MB
008-7-神经网络效果可视化分析.mp443.16MB
009-8-神经元个数的作用.mp415.4MB
010-9-预处理与dropout的作用.mp422.26MB
011-1-卷积神经网络概述分析.mp425.49MB
012-2-卷积要完成的任务解读.mp420.76MB
013-3-卷积计算详细流程演示.mp435.02MB
014-4-层次结构的作用.mp411.89MB
015-5-参数共享的作用.mp411.81MB
016-6-池化层的作用与效果.mp424.14MB
017-7-整体网络结构架构分析.mp445.81MB
018-8-经典网络架构概述.mp445.18MB
019-1-RNN网络结构原理与问题.mp417.14MB
020-2-注意力结构历史故事介绍.mp432.21MB
021-3-self-attention要解决的问题.mp426.4MB
022-4-QKV的来源与作用.mp427.32MB
023-5-多头注意力机制的效果.mp428.59MB
024-6-位置编码与解码器.mp428.34MB
025-7-整体架构总结.mp426.54MB
026-8-BERT训练方式分析.mp418.89MB
027-1-PyTorch框架与其他框架区别分析.mp432.79MB
028-2-CPU与GPU版本安装方法解读.mp474.46MB
029-1-数据集与任务概述.mp438.34MB
030-2-基本模块应用测试.mp440.51MB
031-3-网络结构定义方法.mp447.46MB
032-4-数据源定义简介.mp432.64MB
033-5-损失与训练模块分析.mp435.48MB
034-6-训练一个基本的分类模型.mp442.89MB
035-7-参数对结果的影响.mp439.81MB
036-1-任务与数据集解读.mp433.56MB
037-2-参数初始化操作解读.mp440.14MB
038-3-训练流程实例.mp438.85MB
039-4-模型学习与预测.mp452.48MB
040-1-输入特征通道分析.mp438.36MB
041-2-卷积网络参数解读.mp428.24MB
042-3-卷积网络模型训练.mp444.69MB
043-1-任务分析与图像数据基本处理.mp436.88MB
044-2-数据增强模块.mp437.5MB
045-3-数据集与模型选择.mp437.85MB
046-4-迁移学习方法解读.mp436.41MB
047-5-输出层与梯度设置.mp450.36MB
048-6-输出类别个数修改.mp441.33MB
049-7-优化器与学习率衰减.mp442.16MB
050-8-模型训练方法.mp442.33MB
051-9-重新训练全部模型.mp443.15MB
052-10-测试结果演示分析.mp489.26MB
053-4-实用Dataloader加载数据并训练模型.mp458.76MB
054-1-Dataloader要完成的任务分析.mp430.73MB
055-2-图像数据与标签路径处理.mp442.01MB
056-3-Dataloader中需要实现的方法分析.mp442.72MB
057-1-数据集与任务目标分析.mp435.39MB
058-2-文本数据处理基本流程分析.mp450.52MB
059-3-命令行参数与DEBUG.mp432.16MB
060-4-训练模型所需基本配置参数分析.mp437.92MB
061-5-预料表与字符切分.mp429.12MB
062-6-字符预处理转换ID.mp430.93MB
063-7-LSTM网络结构基本定义.mp431.93MB
064-8-网络模型预测结果输出.mp435.74MB
065-9-模型训练任务与总结.mp441.31MB
066-1-基本结构与训练好的模型加载.mp419.14MB
067-2-服务端处理与预测函数.mp439.02MB
068-3-基于Flask测试模型预测结果.mp440.01MB
069-1-视觉transformer要完成的任务解读.mp430.1MB
070-1-项目源码准备.mp442.71MB
071-2-源码DEBUG演示.mp431.69MB
072-3-Embedding模块实现方法.mp442.25MB
073-4-分块要完成的任务.mp434.85MB
074-5-QKV计算方法.mp439.38MB
075-6-特征加权分配.mp439.25MB
076-7-完成前向传播.mp435.62MB
077-8-损失计算与训练.mp444.4MB
共77个文件，合计：2.66GB
夸克网盘
资源评论 AUP主 M管理员
评分
{{ rating }}分