231_分布式训练 - k学长的深度学习

100_配置版本

101_Pytorch安装

102_Python两大法宝

103_Pytorch加载数据

104_Tensorboard使用

105_Transforms使用

106_torchvision数据集使用

107_Dataloader使用

108_nn.Module模块使用

109_卷积原理

110_卷积层

111_最大池化层

112_非线性激活

113_线性层及其他层

114_搭建小实战和Sequential使用

115_损失函数与反向传播

116_优化器

117_网络模型使用及修改

118_网络模型保存与读取

119_完整模型训练套路

120_利用GPU训练

121_完整模型验证套路

122_查看开源项目

200_深度学习介绍

201_配置版本

202_数据操作、数据预处理

203_线性代数

204_矩阵计算

205_自动求导

206_线性回归、优化算法

207_Softmax回归、损失函数、分类

208_多层感知机

209_模型选择、过拟合、欠拟合

210_权重衰退

211_丢弃法

212_数值稳定性、模型初始化、激活函数

213_Kaggle房价预测

214_PyTorch神经网络基础

215_使用购买GPU

216_卷积层

217_卷积层里的填充和步幅

218_卷积层里的多输入多输出通道

219_池化层

220_经典神经网络LeNet

221_深度卷积神经网络AlexNet

222_使用块的网络VGG

223_网络中的网络NiN

224_合并行连接的网络GoogLeNet

225_批量归一化

226_残差神经网络ResNet

227_深度学习硬件CPU和GPU

228_深度学习硬件TPU和其他

229_单机多卡并行

230_多GPU训练实现

231_分布式训练

当前阅读

232_数据增广

233_微调

234_实战Kaggle比赛图像分类CIFAR10

235_实战Kaggle比赛狗的品种识别ImageNetDogs

236_物体检测和数据集

237_锚框

238_树叶分类竞赛技术总结

239_物体检测算法R-CNN、SSD、YOLO

240_SSD实现

241_语义分割和数据集

242_转置卷积

243_转置卷积是一种卷积

244_全连接卷积神经网络FCN

245_样式迁移

246_序列模型

247_文本预处理

248_语言模型

249_循环神经网络RNN

250_循环神经网络RNN的实现

251_门控循环单元GRU

252_长短期记忆网络LSTM

253_深层循环神经网络

254_双向循环神经网络

255_机器翻译数据集

256_编码器解码器架构

257_序列到序列学习seq2seq

258_束搜索

259_注意力机制

260_注意力分数

261_使用注意力机制的seq2seq

262_自注意力

263_Transformer

264_BERT预训练

265_BERT微调

266_目标检测竞赛总结

267_优化算法

268_课程总结和进阶学习

300_配置版本

301_课程1_第1周_深度学习概述

302_课程1_第2周a_神经网络基础之逻辑回归

303_课程1_第2周b_神经网络基础之Python与向量化

304_课程1_第3周_浅层神经网络

305_课程1_第4周_深层神经网络

306_课程1_第1周_测验题

307_课程1_第2周_测验题

308_课程1_第3周_测验题

309_课程1_第4周_测验题

310_课程1_第1周_作业题_numpy构建基本函数

311_课程1_第2周_作业题_神经网络思想实现Logistic回归

312_课程1_第3周_作业题_1层隐藏层的神经网络分类二维数据

313_课程1_第4周_作业题_逐步构建你的深度神经网络

314_课程2_第1周_深度学习的实用层面

315_课程2_第2周_优化算法

316_课程2_第3周_超参数调试、Batch正则化和编程框架

317_课程2_第1周_测验题

318_课程2_第2周_测验题

319_课程2_第3周_测验题

320_课程2_第1周_作业题_深度神经网络的初始化_正则化_梯度检验

321_课程2_第2周_作业题_优化算法

322_课程2_第3周_作业题_Tensorflow入门

323_课程3_第1周_机器学习策略（上）

324_课程3_第2周_机器学习策略（下）

325_课程3_第1周_测验题

330_课程4_第2周_深度卷积模型

331_课程4_第3周_目标检测

332_课程4_第4周_人脸识别与神经风格迁移

333_课程4_第1周_测验题

334_课程4_第2周_测验题

335_课程4_第3周_测验题

336_课程4_第4周_测验题

337_课程4_第1周_作业题_搭建卷积神经网络以及应用

338_课程4_第2周_作业题_Keras入门与残差网络搭建

339_课程4_第3周_作业题_车辆检测

340_课程4_第4周_作业题a_人脸识别

341_课程4_第4周_作业题b_风格迁移

342_课程5_第1周_循环神经网络RNN

343_课程5_第2周_特征向量表征

344_课程5_第3周_序列模型和注意力机制

345_课程5_第1周_测验题

346_课程5_第2周_测验题

347_课程5_第3周_测验题

348_课程5_第1周_作业题a_搭建RNN网络和LSTM网络

349_课程5_第1周_作业题b_字符语言模型和诗歌生成

350_课程5_第1周_作业题c_LSTM网络生成爵士乐

351_课程5_第2周_作业题a_词向量运算

352_课程5_第2周_作业题b_表情情感分类器

353_课程5_第3周_作业题a_机器翻译

354_课程5_第3周_作业题b_语音识别关键字

1. 分布式训练¶

2. 总结¶