本套课程来自CSDN学院，《深度学习与PyTorch入门实战教程》，课程由新加坡国立大学AI讲师：龙良曲老师主讲，课程官方售价399元。课程视频制作精良。全套课程共13章节，共计3.7G。文章底部附下载地址，如链接失效，可评论告知。
亚洲排名第1的新加坡国立大学AI团队倾情打造，资深研究员龙龙老师主讲，帮助人工智能、深度学习初学者快速、深刻理解深度学习算法原理与实践。
课程目录：V-82144：深度学习 Pytorch [3.7G]
1.深度学习框架介绍
1.lesson1-PyTorch介绍.mp4
2.开发环境准备
2.lesson2-开发环境准备.mp4
3.初见深度学习
3.lesson3-初探Linear Regression案例-1.mp4
4.lesson3-初探Linear Regression案例-2.mp4
5.lesson4-PyTorch求解Linear Regression案例.mp4
6.lesson5 -手写数字问题引入1.mp4
7.lesson5 -手写数字问题引入2.mp4
4.Pytorch张量操作
8.lesson6 基本数据类型1.mp4
9.lesson6 基本数据类型2.mp4
10.lesson7 创建Tensor 1.mp4
11.lesson7 创建Tensor 2.mp4
12.lesson8 索引与切片1.mp4
13.lesson8 索引与切片2.mp4
14.lesson9 维度变换1.mp4
15.lesson9 维度变换2.mp4
16.lesson9 维度变换3.mp4
17.lesson9 维度变换4.mp4
5.张量高阶操作
18.lesson10 Broatcasting 1.mp4
19.lesson10 Broatcasting 2.mp4
20.lesson11 合并与切割1.mp4
21.lesson11 合并与切割2.mp4
22.lesson12 基本运算.mp4
23.lesson13 数据统计1.mp4
24.lesson13 数据统计2.mp4
25.lesson14 高阶OP.mp4
6.随机梯度下降
26.lesson16 什么是梯度1.mp4
27.lesson16 什么是梯度2.mp4
28.lesson17 常见梯度.mp4
29.lesson18 激活函数及其梯度1.mp4
30.lesson18 激活函数及其梯度2.mp4
31.lesson18 激活函数及其梯度3.mp4
7.感知机梯度传播推导
32.lesson19 单一输出感知机1.mp4
33.lesson19 多输出Loss层2.mp4
34.lesson20 链式法则.mp4
35.lesson21 反向传播.mp4
36.lesson22 优化小实例.mp4
8.多层感知机与分类器
37.lesson24 Logistic Regression.mp4
38.lesson25 交叉熵.mp4
39.lesson26 多分类实战.mp4
40.lesson27 全连接层.mp4
41.lesson28 激活函数与GPU加速.mp4
42.lesson29 测试.mp4
43.lesson30-Visdom可视化.mp4
9.过拟合
44.lesson31-过拟合与欠拟合.mp4
45.lesson32-Train-Val-Test-交叉验证-1.mp4
46.lesson32-Train-Val-Test-交叉验证-2.mp4
47.lesson33-regularization.mp4
48.lesson34-动量与lr衰减.mp4
49.lesson35-early stopping, dropout, sgd.mp4
10.卷积神经网络CNN
50.lesson37-什么是卷积-1.mp4
51.lesson37-什么是卷积-2.mp4
52.lesson38-卷积神经网络-1.mp4
53.lesson38-卷积神经网络-2.mp4
54.lesson38-卷积神经网络-3.mp4
55.lesson39-Pooling&upsample.mp4
56.lesson40-BatchNorm-1.mp4
57.lesson40-BatchNorm-2.mp4
58.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4
59.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4
60.lesson42-ResNet，DenseNet-1.mp4
61.lesson42-ResNet, DenseNet-2.mp4
62.lesson43-nn.Module-1.mp4
63.lesson43-nn.Module-2.mp4
64.lesson44-数据增强Data Argumentation.mp4
11.CIFAR10与ResNet实战
12.循环神经网络RNN&LSTM
65.lesson46-时间序列表示.mp4
66.lesson47-RNN原理-1.mp4
67.lesson47-RNN原理-2.mp4
68.lesson48-RNN Layer使用-1.mp4
69.lesson48-RNN Layer使用-2.mp4
70.lesson49-时间序列预测.mp4
71.lesson50-RNN训练难题.mp4
72.lesson51-LSTM原理-1.mp4
73.lesson51-LSTM原理-2.mp4
74.lesson52-LSTM Layer使用.mp4
75.lesson53-情感分类实战.mp4
13.对抗生成网络GAN
76.lesson54-数据分布
77.lesson55-画家的成长历程
78.lesson56-GAN发展
79.lesson57-纳什均衡-D
80.lesson58-纳什均衡-G
81.lesson59-JS散度的弊端
82.lesson60-EM距离
83.lesson61-WGAN与WGAN-GP
84.lesson62-G和D实现
85.lesson63-GAN实战
86.lesson64-GAN训练不稳定
87.lesson65-WGAN-GP实战
