知驿📋 资源介绍
本课程是一套系统的深度学习与PyTorch实战视频教程，共17个模块、152个课时视频，围绕PyTorch框架从零讲到项目实战。内容涵盖：深度学习初见与环境安装、回归与分类问题、PyTorch基础与进阶教程（张量、索引切片、维度变换、Broadcasting、合并分割、数学运算与高阶操作）、随机梯度下降与反向传播、神经网络与全连接层、过拟合与正则化、卷积神经网络CNN、CIFAR10与ResNet实战、循环神经网络RNN与LSTM、迁移学习（宝可梦精灵实战）、自编码器与变分自编码器、对抗生成网络GAN与WGAN-GP，另附Ubuntu环境安装、人工智能发展简史、Numpy实战BP神经网络三个选看模块。适合零基础想入门深度学习的学生、转行者和在职开发者，学完可掌握PyTorch核心API、CNN/RNN/GAN等主流模型原理与完整实战流程。资源为视频形式，共153个文件、4.1GB，按目录结构打包，可直接转存学习。
不想注册？也可 邮箱快速下单（¥7.90）
📦 免费拷贝服务（U盘 / 移动硬盘）
资源费用（50%）归资源提供方；拷贝人工费 U盘 10 元/只、硬盘按容量计费；运费按地区计费，可选顺丰（+100%）；费用合计满 ¥99 普通快递包邮；付款后 48 小时内发货。
费用构成：资源费用的 50% 归资源提供方（创作者分成）；拷贝人工费 U盘 10 元/只、硬盘按容量计费； 设备费为 U盘/硬盘成本。请自行核实资源内容：本店只提供下载和拷贝服务，无法核实商品内容的完整性与内容的版权合法性。
🗂️ 完整文件清单（153 个文件 / 4.1GB）
📁 1.深度学习初见 2 项
- 📄 课时2 PyTorch功能演示.mp414.9MB
- 📄 课时1 深度学习框架简介.mp411.9MB
📁 10.CIFAR10与ResNet实战 9 项
- 📄 课时84 实战小结.mp446.9MB
- 📄 课时77 卷积神经网络实战-1.mp429.6MB
- 📄 课时78 卷积神经网络实战-2.mp416.1MB
- 📄 课时80 ResNet实战-1.mp416.1MB
- 📄 课时83 ResNet实战-4.mp414.4MB
- 📄 课时81 ResNet实战-2.mp438.0MB
- 📄 课时82 ResNet实战-3.mp430.7MB
- 📄 课时76 CIFAR10数据集介绍.mp417.0MB
- 📄 课时79 卷积神经网络训练.mp416.4MB
📁 11.循环神经网络RNN&LSTM 11 项
- 📄 课时93 LSTM原理-2.mp416.2MB
- 📄 课时85 时间序列表示方法.mp421.1MB
- 📄 课时87 RNN原理-.mp444.5MB
- 📄 课时90 时间序列预测实战.mp420.2MB
- 📄 课时86 RNN原理-1.mp413.2MB
- 📄 课时94 LSTM Layer使用.mp442.5MB
- 📄 课时92 LSTM原理-.mp441.3MB
- 📄 课时88 RNN Layer使用-1.mp413.9MB
- 📄 课时89 RNN Layer使用-2.mp412.7MB
- 📄 课时95 情感分类问题实战.mp4117.4MB
- 📄 课时91 梯度弥散与梯度爆炸.mp420.2MB
📁 12.迁移学习-实战宝可梦精灵 12 项
- 📄 课时100 自定义数据集实战-3.mp416.3MB
- 📄 课时99 自定义数据集实战-2.mp414.1MB
- 📄 课时102 自定义数据集实战-5.mp421.1MB
- 📄 课时103 自定义网络.mp414.7MB
- 📄 课时106 迁移学习.mp47.7MB
- 📄 课时104 自定义网络训练与测试.mp433.4MB
- 📄 课时96 Pokemon数据集.mp447.9MB
- 📄 课时107 迁移学习实战.mp415.8MB
- 📄 课时101 自定义数据集实战-4.mp414.9MB
- 📄 课时97 数据预处理.mp417.8MB
- 📄 课时98 自定义数据集实战-1.mp431.8MB
- 📄 课时105 自定义网络实战.mp454.5MB
📁 13.自编码器Auto-Encoders 11 项
- 📄 课时112 变分Auto-Encoder引入.mp465.2MB
- 📄 课时113 Reparameterization trick.mp412.8MB
- 📄 课时109 Auto-Encoder原理.mp417.4MB
- 📄 课时115 Auto-Encoder实战-1.mp416.0MB
- 📄 课时108 无监督学习.mp458.5MB
- 📄 课时117 变分Auto-Encoder实战-1.mp427.7MB
- 📄 课时116 Auto-Encoder实战-2.mp443.2MB
- 📄 课时114 变分自编码器VAE.mp417.7MB
- 📄 课时110 Auto-Encoder变种.mp414.0MB
- 📄 课时118 变分Auto-Encoder实战-2.mp439.5MB
- 📄 课时111 Adversarial Auto-Encoder.mp413.2MB
📁 14.对抗生成网络GAN 12 项
- 📄 课时128 GAN实战-网络训练.mp424.3MB
- 📄 课时123 纳什均衡-G.mp431.6MB
- 📄 课时122 纳什均衡-D.mp413.9MB
- 📄 课时124 JS散度的缺陷.mp434.5MB
- 📄 课时120 画家的成长历程.mp419.8MB
- 📄 课时129 GAN实战-网络训练鲁棒性.mp415.2MB
- 📄 课时121 GAN原理.mp418.1MB
- 📄 课时130 WGAN-GP实战.mp427.2MB
- 📄 课时125 EM距离.mp412.6MB
- 📄 课时127 GAN实战-GD实现.mp421.3MB
- 📄 课时119 数据的分布.mp412.4MB
- 📄 课时126 WGAN与WGAN-GP.mp422.3MB
📁 15.【选看】Ubuntu开发环境安装 6 项
- 📄 课时131 Ubuntu系统安装.mp416.9MB
- 📄 课时136 PyCharm安装与配置.mp483.2MB
- 📄 课时132 Anaconda安装.mp425.8MB
- 📄 课时135 cudnn安装.mp416.8MB
- 📄 课时134 环境变量配置.mp421.9MB
- 📄 课时133 CUDA 10安装.mp424.2MB
📁 16.【选看】人工智能发展简史 7 项
- 📄 课时141 人工智能的低潮.mp459.4MB
- 📄 课时142 深度学习的诞生.mp414.6MB
- 📄 课时137 生物神经元结构.mp45.9MB
- 📄 课时138 感知机的提出.mp413.6MB
- 📄 课时140 CNN和LSTM的发明.mp465.6MB
- 📄 课时143 深度学习的繁荣.mp494.1MB
- 📄 课时139 BP神经网络.mp468.1MB
📁 17.【选看】Numpy实战BP神经网络 9 项
- 📄 课时150 多层感知机的训练.mp416.0MB
- 📄 课时145 多层感知机的实现.mp414.0MB
- 📄 课时144 权值的表示.mp436.0MB
- 📄 课时147 多层感知机反向传播.mp414.5MB
- 📄 课时151 多层感知机的测试.mp419.2MB
- 📄 课时148 多层感知机反向传播-2.mp413.8MB
- 📄 课时152 实战小结.mp412.2MB
- 📄 课时149 多层感知机反向传播-3.mp413.8MB
- 📄 课时146 多层感知机前向传播.mp414.6MB
📁 2.开发环境安装 1 项
- 📄 课时3 开发环境安装（简介）.mp420.4MB
📁 3.回归问题 10 项
- 📄 课时10 手写数字识别初体验-2.mp49.4MB
- 📄 课时11 手写数字识别初体验-3.mp49.2MB
- 📄 课时8 分类问题引入-2.mp412.7MB
- 📄 课时4 简单回归问题-.mp423.9MB
- 📄 课时9 手写数字识别初体验-1.mp48.9MB
- 📄 课时13 手写数字识别初体验-5.mp410.6MB
- 📄 课时5 简单回归问题-2.mp420.8MB
- 📄 课时7 分类问题引入-1.mp434.3MB
- 📄 课时12 手写数字识别初体验-4.mp411.0MB
- 📄 课时6 回归问题实战.mp413.2MB
📁 4.PyTorch基础教程 10 项
- 📄 课时17 创建Tensor-2.mp419.0MB
- 📄 课时16 创建Tensor-1.mp415.4MB
- 📄 课时23 维度变换-4.mp415.5MB
- 📄 课时14 张量数据类型-1.mp413.4MB
- 📄 课时20 维度变换-1.mp410.8MB
- 📄 课时21 维度变换-2.mp413.8MB
- 📄 课时22 维度变换-3.mp411.0MB
- 📄 课时18 索引与切片-1.mp417.2MB
- 📄 课时19 索引与切片-2.mp416.2MB
- 📄 课时15 张量数据类型-2.mp420.2MB
📁 5.PyTorch进阶教程 10 项
- 📄 课时26 Broadcasting-3.mp47.9MB
- 📄 课时32 属性统计-2.mp417.5MB
- 📄 课时29 数学运算-1.mp411.2MB
- 📄 课时30 数学运算-2.mp453.1MB
- 📄 课时28 合并与分割-2.mp49.8MB
- 📄 课时33 高阶操作.mp422.9MB
- 📄 课时24 Broadcasting-1.mp411.8MB
- 📄 课时27 合并与分割-1.mp415.1MB
- 📄 课时31 属性统计-1.mp415.5MB
- 📄 课时25 Broadcasting-2.mp417.4MB
📁 6.随机梯度下降 13 项
- 📄 课时46 优化问题实战.mp465.2MB
- 📄 课时41 感知机的梯度推导-1.mp417.8MB
- 📄 课时38 激活函数与Loss的梯度-2.mp411.7MB
- 📄 课时42 感知机的梯度推导-2.mp417.7MB
- 📄 课时45 反向传播算法-2.mp49.7MB
- 📄 课时43 链式法则.mp415.0MB
- 📄 课时39 激活函数与Loss的梯度-3.mp49.4MB
- 📄 课时35 什么是梯度-2.mp423.4MB
- 📄 课时40 激活函数与Loss的梯度-4.mp418.1MB
- 📄 课时36 常见函数的梯度.mp48.7MB
- 📄 课时44 反向传播算法-1.mp418.1MB
- 📄 课时37 激活函数与Loss的梯度-1.mp418.0MB
- 📄 课时34 什么是梯度-1.mp414.0MB
📁 7.神经网络与全连接层 8 项
- 📄 课时53 MNIST测试实战.mp418.3MB
- 📄 课时49 交叉熵-2.mp412.8MB
- 📄 课时54 Visdom可视化.mp421.1MB
- 📄 课时50 多分类问题实战.mp413.6MB
- 📄 课时48 交叉熵-1.mp412.5MB
- 📄 课时51 全连接层.mp484.3MB
- 📄 课时52 激活函数与GPU加速.mp456.0MB
- 📄 课时47 Logistic Regression.mp464.9MB
📁 8.过拟合 6 项
- 📄 课时56 交叉验证-1.mp417.4MB
- 📄 课时55 过拟合与欠拟合.mp419.5MB
- 📄 课时57 交叉验证-2.mp451.7MB
- 📄 课时60 Early stopping, dropout等.mp420.8MB
- 📄 课时59 动量与学习率衰减.mp477.2MB
- 📄 课时58 Regularization.mp459.7MB
📁 9.卷积神经网络CNN 15 项
- 📄 课时61 什么是卷积-1.mp423.0MB
- 📄 课时74 nn.Module模块-2.mp412.4MB
- 📄 课时75 数据增强.mp419.2MB
- 📄 课时69 经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-1.mp418.0MB
- 📄 课时64 卷积神经网络-2.mp481.5MB
- 📄 课时68 BatchNorm-2.mp479.5MB
- 📄 课时73 nn.Module模块-1.mp416.0MB
- 📄 课时72 ResNet与DenseNet-2.mp476.4MB
- 📄 课时66 池化层与采样.mp415.0MB
- 📄 课时65 卷积神经网络-3.mp412.7MB
- 📄 课时62 什么是卷积-2.mp418.1MB
- 📄 课时71 ResNet与DenseNet-1.mp480.9MB
- 📄 课时70 经典卷积网络 LeNet5,AlexNet, VGG, GoogLeNet-2.mp414.3MB
- 📄 课时67 BatchNorm-1.mp413.8MB
- 📄 课时63 卷积神经网络-1.mp416.2MB
- 📄 深度学习与PyTorch入门实战教程.lnk726