Pytorch框架全流程開發醫學影像端到端判別實戰項目資源簡介

構建深度學習模型，綜合應用完整企業級項目

越來越多的科研及企業項目，會把PyTorch作為首選的深度學習框架。它容易上手，功能完善，不管是新入門學習還是上手實戰項目，PyTorch都是非常優秀的工具。本課程以實踐為目的，把深度學習概念及基礎學習貫穿在幾個實踐項目中，荒川老師將帶領你們進入PyTorch深度學習的世界，使用PyTorch將其一一實現。

課程目錄

1-1課程導學2249.mp4

1-2深度學習如何影響生活1333.mp4

1-3常用深度學習框架1738.mp4

2-1環境安裝與配置1319.mp4

2-2使用預訓練的ResNet網絡給圖片分類一1610.mp4

2-3使用預訓練的ResNet網絡給圖片分類二0845.mp4

2-4使用預訓練的GAN網絡把馬變成斑馬1716.mp4

3-1工業級數據挖掘流程一2359.mp4

3-2工業級數據挖掘流程二2130.mp4

3-3課程重難點技能分布0515.mp4

3-4課程實戰項目簡介0700.mp4

4-10張量的底層實現邏輯二1335.mp4

4-1什么是張量1407.mp4

4-2張量的獲取與存儲一1635.mp4

4-3張量的獲取與存儲二1540.mp4

4-4張量的基本操作一0830.mp4

4-5張量的基本操作二1604.mp4

4-6張量中的元素類型0656.mp4

4-7張量的命名0832.mp4

4-8把張量傳遞到GPU中進行運算0607.mp4

4-9張量的底層實現邏輯一1942.mp4

5-1普通二維圖像的加載一0751.mp4

5-2普通二維圖像的加載二1259.mp4

5-33D圖像的加載1230.mp4

5-4普通表格數據加載1453.mp4

5-5有時間序列的表格數據加載1650.mp4

5-6連續值序列值分類值的處理1345.mp4

5-7自然語言文本數據加載1945.mp4

5-8本章小結0504.mp4

6-10使用PyTorch提供的優化器1532.mp4

6-11神經網絡重要概念-激活函數1550.mp4

6-12用PyTorch的nn模塊搭建神經網絡1537.mp4

6-13構建批量訓練方法1453.mp4

6-14使用神經網絡解決溫度計示數轉換問題2123.mp4

6-1常規模型訓練的過程1104.mp4

6-2溫度計示數轉換1140.mp4

6-3神經網絡重要概念-損失1240.mp4

6-4PyTorch中的廣播機制1646.mp4

6-5神經網絡重要概念-梯度1811.mp4

6-6神經網絡重要概念-學習率1947.mp4

6-7神經網絡重要概念-歸一化2620.mp4

6-8使用超參數優化我們的模型效果1136.mp4

6-9使用PyTorch自動計算梯度1556.mp4

7-10使用卷積提取圖像中的特定特征0800.mp4

7-11借助下采樣壓縮數據0753.mp4

7-12借助PyTorch搭建卷積網絡1012.mp4

7-13訓練我們的分類模型1005.mp4

7-14訓練好的模型如何存儲0147.mp4

7-15該用GPU訓練我們的模型0859.mp4

7-16優化方案之增加模型寬度-width0855.mp4

7-17優化方案之數據正則化-normalization一1338.mp4

7-18優化方案之數據正則化-normalization二1655.mp4

7-19優化方案之數據正則化-normalization三0856.mp4

7-1CIFAR-10數據集介紹0804.mp4

7-20優化方案之增加模型深度-depth0641.mp4

7-21本章小結0605.mp4

7-2為數據集實現Dataset類0842.mp4

7-3為模型準備訓練集和驗證集1100.mp4

7-4借助softmax方法給出分類結果1057.mp4

7-5分類模型常用損失之交叉熵損失0738.mp4

7-6全連接網絡實現圖像分類2553.mp4

7-7對全連接網絡的改進之卷積網絡1349.mp4

7-8借助PyTorch搭建卷積網絡模型1539.mp4

7-9卷積中的數據填充方法padding0431.mp4

8-10分割訓練集和驗證集0927.mp4

8-11CT數據可視化實現一1643.mp4

8-12CT數據可視化實現二1513.mp4

8-13CT數據可視化實現三0943.mp4

8-14本章小結0455.mp4

8-1肺部癌癥檢測的項目簡介1338.mp4

8-2CT數據是什么樣子0722.mp4

8-3制定一個解決方案0840.mp4

8-4下載項目中的數據集0932.mp4

8-5原始數據是長什么樣子的0822.mp4

8-6加載標注數據2219.mp4

8-7加載CT影像數據0751.mp4

8-8數據坐標系的轉換2326.mp4

8-9編寫Dataset方法1244.mp4

9-10借助TensorBoard繪制指標曲線1230.mp4

9-11新的模型評估指標F1score1751.mp4

9-12實現F1Score計算邏輯0858.mp4

9-13數據優化方法1136.mp4

9-14數據重復采樣的代碼實現1549.mp4

9-15數據增強的代碼實現1937.mp4

9-16第二個模型結節分割0853.mp4

9-17圖像分割的幾種類型0705.mp4

9-18U-Net模型介紹1927.mp4

9-19為圖像分割進行數據預處理2501.mp4

9-1第一個模型結節分類1540.mp4

9-20為圖像分割構建Dataset類2623.mp4

9-21構建訓練Dataset和使用GPU進行數據增強1116.mp4

9-22Adam優化器和Dice損失1127.mp4

9-23構建訓練流程1826.mp4

9-24模型存儲圖像存儲代碼介紹0550.mp4

9-25分割模型訓練及在TensorBoard中查看結果1145.mp4

9-26本章小結1511.mp4

9-2定義模型訓練框架1831.mp4

9-3初始化都包含什么內容0913.mp4

9-4編寫數據加載器部分0702.mp4

9-5實現模型的核心部分1827.mp4

9-6定義損失計算和訓練驗證環節一1731.mp4

9-7定義損失計算和訓練驗證環節二0920.mp4

9-8在日志中保存重要信息1956.mp4

9-9嘗試訓練第一個模型1650.mp4

10-1連接分割模型和分類模型3005.mp4

10-2新的評價指標AUC-ROC曲線3716.mp4

10-3使用finetune方法構建腫瘤惡性判斷模型2908.mp4

10-4完整的實現端到端肺部腫瘤檢測1731.mp4

10-5使用合適的框架把模型部署上線一1446.mp4

10-6使用合適的框架把模型部署上線二1206.mp4

10-7本章小結0833.mp4

11-1腫瘤檢測系統架構回顧1512.mp4

11-2課程中的神經網絡回顧1327.mp4

11-3模型優化方法回顧1020.mp4

11-4面試過程中可能遇到的問題2209.mp4

11-5持續學習的幾個建議2748.mp4