文件内容:
file:7-12 借助PyTorch搭建卷积网络@.mp4
file:7-21 本章小结.mp4
file:7-11 借助下采样压缩数据-.mp4
file:7-5 分类模型常用损失之交叉熵损失【耗时整理‖免费分享 cunlove.cn】.mp4
file:7-8 借助PyTorch搭建卷积网络模型@【耗时整理‖免费分享 cunlove.cn】.mp4
file:7-19 优化方案之数据正则化-normalization（三）@.mp4
file:7-15 该用GPU训练我们的模型.mp4
file:7-3 为模型准备训练集和验证集@.mp4
file:7-14 训练好的模型如何存储【耗时整理‖免费分享 cunlove.cn】.mp4
file:7-16 优化方案之增加模型宽度-width.mp4
file:7-7 对全连接网络的改进之卷积网络-.mp4
file:7-9 卷积中的数据填充方法padding@.mp4
file:7-1 CIFAR-10数据集介绍.mp4
file:7-4 借助softmax方法给出分类结果@【耗时整理‖免费分享 cunlove.cn】.mp4
file:7-20 优化方案之增加模型深度-depth-【耗时整理‖免费分享 cunlove.cn】.mp4
file:7-10 使用卷积提取图像中的特定特征@.mp4
file:7-18 优化方案之数据正则化-normalization（二）.mp4
file:7-17 优化方案之数据正则化-normalization（一）-.mp4
file:7-13 训练我们的分类模型@.mp4
file:7-2 为数据集实现Dataset类【耗时整理‖免费分享 cunlove.cn】.mp4
file:7-6 全连接网络实现图像分类@.mp4
file:10-6 使用合适的框架把模型部署上线（二）@.mp4
file:10-1 连接分割模型和分类模型@.mp4
file:10-2 新的评价指标：AUC-ROC曲线@.mp4
file:10-7 本章小结@.mp4
file:10-5 使用合适的框架把模型部署上线（一）-.mp4
file:10-3 使用finetune方法构建肿瘤恶性判断模型@.mp4
file:10-4 完整的实现端到端肺部肿瘤检测@.mp4
file:2-3 使用预训练的ResNet网络给图片分类（二）@【耗时整理‖免费分享 cunlove.cn】.mp4
file:2-1 环境安装与配置-.mp4
file:2-4 使用预训练的GAN网络把马变成斑马-.mp4
file:2-2 使用预训练的ResNet网络给图片分类（一）.mp4
file:6-9 使用PyTorch自动计算梯度@.mp4
file:6-8 使用超参数优化我们的模型效果@.mp4
file:6-2 温度计示数转换.mp4
file:6-5 神经网络重要概念-梯度.mp4
file:6-1 常规模型训练的过程@.mp4
file:6-10 使用PyTorch提供的优化器@.mp4
file:6-4 PyTorch中的广播机制.mp4
file:6-12 用PyTorch的nn模块搭建神经网络【耗时整理‖免费分享 cunlove.cn】.mp4
file:6-6 神经网络重要概念-学习率.mp4
file:6-7 神经网络重要概念-归一化@.mp4
file:6-13 构建批量训练方法@.mp4
file:6-3 神经网络重要概念-损失.mp4
file:6-14 使用神经网络解决温度计示数转换问题.mp4
file:6-11 神经网络重要概念-激活函数.mp4
file:9-13 数据优化方法.mp4
file:9-24 模型存储、图像存储代码介绍@.mp4
file:9-25 分割模型训练及在TensorBoard中查看结果-.mp4
file:9-23 构建训练流程@.mp4
file:9-15 数据增强的代码实现@.mp4
file:9-3 初始化都包含什么内容-.mp4
file:9-5 实现模型的核心部分.mp4
file:9-9 尝试训练第一个模型@.mp4
file:9-2 定义模型训练框架@【耗时整理‖免费分享 cunlove.cn】.mp4
file:9-10 借助TensorBoard绘制指标曲线@.mp4
file:9-22 Adam优化器和Dice损失@.mp4
file:9-17 图像分割的几种类型.mp4
file:9-16 第二个模型：结节分割-.mp4
file:9-18 U-Net模型介绍-.mp4
file:9-21 构建训练Dataset和使用GPU进行数据增强@.mp4
file:9-8 在日志中保存重要信息-【耗时整理‖免费分享 cunlove.cn】.mp4
file:9-20 为图像分割构建Dataset类-【耗时整理‖免费分享 cunlove.cn】.mp4
file:9-14 数据重复采样的代码实现@.mp4
file:9-11 新的模型评估指标：F1score【耗时整理‖免费分享 cunlove.cn】.mp4
file:9-26 本章小结-【耗时整理‖免费分享 cunlove.cn】.mp4
file:9-7 定义损失计算和训练验证环节（二）.mp4
file:9-12 实现F1Score计算逻辑@.mp4
file:9-6 定义损失计算和训练验证环节（一）@.mp4
file:9-19 为图像分割进行数据预处理@.mp4
file:9-4 编写数据加载器部分-.mp4
file:9-1 第一个模型：结节分类-.mp4
file:5-4 普通表格数据加载@【耗时整理‖免费分享 cunlove.cn】.mp4
file:5-3 3D图像的加载-.mp4
file:5-6 连续值、序列值、分类值的处理.mp4
file:5-7 自然语言文本数据加载-.mp4
file:5-1 普通二维图像的加载（一）@.mp4
file:5-5 有时间序列的表格数据加载@.mp4
file:5-8 本章小结@.mp4
file:5-2 普通二维图像的加载（二）@【耗时整理‖免费分享 cunlove.cn】.mp4
file:1-2 深度学习如何影响生活@.mp4
file:1-1 课程导学-.mp4
file:1-3 常用深度学习框架-【耗时整理‖免费分享 cunlove.cn】.mp4
file:11-3 模型优化方法回顾@.mp4
file:11-1 肿瘤检测系统架构回顾.mp4
file:11-5 持续学习的几个建议@【耗时整理‖免费分享 cunlove.cn】.mp4
file:11-2 课程中的神经网络回顾@.mp4
file:11-4 面试过程中可能遇到的问题-.mp4
file:8-9 编写Dataset方法【耗时整理‖免费分享 cunlove.cn】.mp4
file:8-14 本章小结@【耗时整理‖免费分享 cunlove.cn】.mp4
file:8-6 加载标注数据@.mp4
file:8-5 原始数据是长什么样子的@.mp4
file:8-13 CT数据可视化实现（三）@.mp4
file:8-8 数据坐标系的转换.mp4
file:8-12 CT数据可视化实现（二）.mp4
file:8-10 分割训练集和验证集.mp4
file:8-1 肺部癌症检测的项目简介@【耗时整理‖免费分享 cunlove.cn】.mp4
file:8-2 CT数据是什么样子.mp4
file:8-11 CT数据可视化实现（一）-.mp4
file:8-7 加载CT影像数据@.mp4
file:8-3 制定一个解决方案.mp4
file:8-4 下载项目中的数据集-【耗时整理‖免费分享 cunlove.cn】.mp4
folder:mksz612Pytorch框架全流程开发医学影像端到端判别实战项目
folder:7-使用神经网络区分小鸟和飞机图像
folder:10-项目实战三：实现端到端的模型预测
folder:2-课程内容整体规划
folder:6-神经网络理念解决温度计转换
folder:9-项目实战二：模型训练与优化
folder:5-PyTorch如何处理真实数据
folder:1-课程导学
folder:11-课程总结与面试问题
folder:8-项目实战一：理解业务与数据
folder:3-PyTorch项目热身实践
folder:4-PyTorch基础知识必备-张量