Name		Name	Last commit message	Last commit date
Latest commit History 42 Commits
00_配置版本.ipynb		00_配置版本.ipynb
01_Pytorch安装.ipynb		01_Pytorch安装.ipynb
02_Python两大法宝.ipynb		02_Python两大法宝.ipynb
03_Pytorch加载数据.ipynb		03_Pytorch加载数据.ipynb
04_Tensorboard使用.ipynb		04_Tensorboard使用.ipynb
05_Transforms使用.ipynb		05_Transforms使用.ipynb
06_torchvision数据集使用.ipynb		06_torchvision数据集使用.ipynb
07_Dataloader使用.ipynb		07_Dataloader使用.ipynb
08_nn.Module模块使用.ipynb		08_nn.Module模块使用.ipynb
09_卷积原理.ipynb		09_卷积原理.ipynb
10_卷积层.ipynb		10_卷积层.ipynb
11_最大池化层.ipynb		11_最大池化层.ipynb
12_非线性激活.ipynb		12_非线性激活.ipynb
13_线性层及其他层.ipynb		13_线性层及其他层.ipynb
14_搭建小实战和Sequential使用.ipynb		14_搭建小实战和Sequential使用.ipynb
15_损失函数与反向传播.ipynb		15_损失函数与反向传播.ipynb
16_优化器.ipynb		16_优化器.ipynb
17_网络模型使用及修改.ipynb		17_网络模型使用及修改.ipynb
18_网络模型保存与读取.ipynb		18_网络模型保存与读取.ipynb
19_完整模型训练套路.ipynb		19_完整模型训练套路.ipynb
20_利用GPU训练.ipynb		20_利用GPU训练.ipynb
21_完整模型验证套路.ipynb		21_完整模型验证套路.ipynb
22_查看开源项目.ipynb		22_查看开源项目.ipynb
23_深度学习介绍.ipynb		23_深度学习介绍.ipynb
24_配置版本.ipynb		24_配置版本.ipynb
25_数据操作、数据预处理.ipynb		25_数据操作、数据预处理.ipynb
26_线性代数.ipynb		26_线性代数.ipynb
27_矩阵计算.ipynb		27_矩阵计算.ipynb
28_自动求导.ipynb		28_自动求导.ipynb
29_线性回归、优化算法.ipynb		29_线性回归、优化算法.ipynb
30_Softmax回归、损失函数、分类.ipynb		30_Softmax回归、损失函数、分类.ipynb
31_多层感知机.ipynb		31_多层感知机.ipynb
32_模型选择、过拟合、欠拟合.ipynb		32_模型选择、过拟合、欠拟合.ipynb
33_权重衰退.ipynb		33_权重衰退.ipynb
34_丢弃法.ipynb		34_丢弃法.ipynb
35_数值稳定性、模型初始化、激活函数.ipynb		35_数值稳定性、模型初始化、激活函数.ipynb
36_Kaggle房价预测.ipynb		36_Kaggle房价预测.ipynb
37_PyTorch神经网络基础.ipynb		37_PyTorch神经网络基础.ipynb
38_使用购买GPU.ipynb		38_使用购买GPU.ipynb
39_卷积层.ipynb		39_卷积层.ipynb
40_卷积层里的填充和步幅.ipynb		40_卷积层里的填充和步幅.ipynb
41_卷积层里的多输入多输出通道.ipynb		41_卷积层里的多输入多输出通道.ipynb
42_池化层.ipynb		42_池化层.ipynb
43_经典神经网络LeNet.ipynb		43_经典神经网络LeNet.ipynb
44_深度卷积神经网络AlexNet.ipynb		44_深度卷积神经网络AlexNet.ipynb
45_使用块的网络VGG.ipynb		45_使用块的网络VGG.ipynb
46_网络中的网络NiN.ipynb		46_网络中的网络NiN.ipynb
47_合并行连接的网络GoogLeNet.ipynb		47_合并行连接的网络GoogLeNet.ipynb
48_批量归一化.ipynb		48_批量归一化.ipynb
49_残差神经网络ResNet.ipynb		49_残差神经网络ResNet.ipynb
50_深度学习硬件CPU和GPU.ipynb		50_深度学习硬件CPU和GPU.ipynb
51_深度学习硬件TPU和其他.ipynb		51_深度学习硬件TPU和其他.ipynb
52_单机多卡并行.ipynb		52_单机多卡并行.ipynb
53_多GPU训练实现.ipynb		53_多GPU训练实现.ipynb
54_分布式训练.ipynb		54_分布式训练.ipynb
55_数据增广.ipynb		55_数据增广.ipynb
56_微调.ipynb		56_微调.ipynb
57_实战Kaggle比赛图像分类CIFAR10.ipynb		57_实战Kaggle比赛图像分类CIFAR10.ipynb
58_实战Kaggle比赛狗的品种识别ImageNetDogs.ipynb		58_实战Kaggle比赛狗的品种识别ImageNetDogs.ipynb
59_物体检测和数据集.ipynb		59_物体检测和数据集.ipynb
60_锚框.ipynb		60_锚框.ipynb
61_树叶分类竞赛技术总结.ipynb		61_树叶分类竞赛技术总结.ipynb
62_物体检测算法R-CNN、SSD、YOLO.ipynb		62_物体检测算法R-CNN、SSD、YOLO.ipynb
63_SSD实现.ipynb		63_SSD实现.ipynb
64_语义分割和数据集.ipynb		64_语义分割和数据集.ipynb
65_转置卷积.ipynb		65_转置卷积.ipynb
66_转置卷积是一种卷积.ipynb		66_转置卷积是一种卷积.ipynb
67_全连接卷积神经网络FCN.ipynb		67_全连接卷积神经网络FCN.ipynb
68_样式迁移.ipynb		68_样式迁移.ipynb
69_序列模型.ipynb		69_序列模型.ipynb
70_文本预处理.ipynb		70_文本预处理.ipynb
71_语言模型.ipynb		71_语言模型.ipynb
72_循环神经网络RNN.ipynb		72_循环神经网络RNN.ipynb
73_循环神经网络RNN的实现.ipynb		73_循环神经网络RNN的实现.ipynb
74_门控循环单元GRU.ipynb		74_门控循环单元GRU.ipynb
75_长短期记忆网络LSTM.ipynb		75_长短期记忆网络LSTM.ipynb
76_深层循环神经网络.ipynb		76_深层循环神经网络.ipynb
77_双向循环神经网络.ipynb		77_双向循环神经网络.ipynb
78_机器翻译数据集.ipynb		78_机器翻译数据集.ipynb
79_编码器解码器架构.ipynb		79_编码器解码器架构.ipynb
80_序列到序列学习seq2seq.ipynb		80_序列到序列学习seq2seq.ipynb
81_束搜索.ipynb		81_束搜索.ipynb
82_注意力机制.ipynb		82_注意力机制.ipynb
83_注意力分数.ipynb		83_注意力分数.ipynb
84_使用注意力机制的seq2seq.ipynb		84_使用注意力机制的seq2seq.ipynb
85_自注意力.ipynb		85_自注意力.ipynb
86_Transformer.ipynb		86_Transformer.ipynb
87_BERT预训练.ipynb		87_BERT预训练.ipynb
88_BERT微调.ipynb		88_BERT微调.ipynb
89_目标检测竞赛总结.ipynb		89_目标检测竞赛总结.ipynb
90_优化算法.ipynb		90_优化算法.ipynb
91_课程总结和进阶学习.ipynb		91_课程总结和进阶学习.ipynb
README.md		README.md

Repository files navigation

最全面的深度学习CV 笔记

CV 神经网络视频讲解【主讲人：吴恩达】【对应笔记：P92-... 更新中】

https://www.bilibili.com/video/BV1FT4y1E74V?spm_id_from=333.337.search-card.all.click&vd_source=c9745e4447536b28b2b0735071d30bd6

CV 神经网络视频讲解【主讲人：李沐】【对应笔记：P23-P91】

https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497

Pytorch 视频讲解【主讲人：土堆】【对应笔记：P00-P22】

https://www.bilibili.com/video/BV1hE411t7RN?spm_id_from=333.337.search-card.all.click

代码数据集：

链接：https://pan.baidu.com/s/1QBbOm5GXh6WVnVh0up-6SQ 提取码：ryxb

备注：安装Jupyter Notebook的目录插件，可以快速通过目录，跳转到相应的章节，如下图所示。

备注：Pytorch笔记、CV基本神经网络笔记已经更新完，工业项目(自动驾驶目标检测、人脸检测)正在整理中。

补充：我的Github主页，还有其他优秀视频的笔记，希望能帮助到你~~♥

https://github.com/AccumulateMore

"♥我的笔记，希望对你有帮助♥"

♥小声哔哔：你的star，是我更新的动力~♥

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Repository files navigation

最全面的深度学习CV 笔记

About

Releases

Packages

Languages

newman4399/CV

Folders and files

Latest commit

History

Repository files navigation

最全面的 深度学习CV 笔记

About

Resources

Stars

Watchers

Forks

Releases

Packages 0

Languages

最全面的深度学习CV 笔记

Packages