视频选集 1.Pytorch入门到简介课程导学 【重点】最新人工智能从入门到精通的必备学习路线（论文+就业） 【干货】如何准备一篇论文？从“做什么”到创新点到实验再到工具全流程！ 2.初识Pytorch基本框架 3.环境配置（1） 4.环境配置（2） 5.机器学习中的分类与回归问题-机器学习基本构成元素 6.Tensor的基本定义 7.Tensor与机器学习的关系 8.Tensor创建编程实例 9.Tensor的属性 10.Tensor的属性-稀疏的张量的编程实践 11.Tensor的算术运算 12.Tensor的算术运算编程实例 13.in-place的概念和广播机制 14.取整-余 15.比较运算-排序-topk-kthvalue-数据合法性校验 16.016.三角函数 17.017.其他数学函数 18.018.Pytorch与统计学方法 19.019.Pytorch与分布函数 20.020.Pytorch与随机抽样 21.021.Pytorch与线性代数运算 22.022.Pytorch与矩阵分解-PCA 23.023.Pytorch与矩阵分解-SVD分解-LDA 24.024.Pytorch与张量裁剪 25.025.Pytorch与张量的索引与数据筛选 26.026.Pytorch与张量组合与拼接 27.027.Pytorch与张量切片 28.028.Pytorch与张量变形 29.029.Pytorch与张量填充 30.030.Pytorch与傅里叶变换 31.031.Pytorch简单编程技巧 32.032.Pytorch与autograd-导数-方向导数-偏导数-梯度的概 33.033.Pytorch与autograd-梯度与机器学习最优解 34.034.Pytorch与autograd-Variable$tensor 35.035.Pytorch与autograd-如何计算梯度 36.036.Pytorch与autograd中的几个重要概念-variable 37.037.Pytorch与autograd中的几个重要概念-function 38.038.Pytorch与nn库 39.039.Pytorch与visdom 40.040.Pytorch与tensorboardX 41.041.Pytorch与torchvision 42.042.机器学习和神经网络的基本概念（1） 43.043.机器学习和神经网络的基本概念（2） 44.044.利用神经网络解决分类和回归问题（1） 45.045.利用神经网络解决分类和回归问题（2） 46.046.利用神经网络解决分类和回归问题（3） 47.047.利用神经网络解决分类和回归问题（4） 48.048.利用神经网络解决分类和回归问题（5） 49.049.计算机视觉基本概念已处理 50.050.图像处理常见概念 51.051.特征工程 52.052.卷积神经网（上） 53.053.卷积神经网（下） 54.054.pooling层 55.055.激活层-BN层-FC层-损失层 56.056.经典卷积神经网络结构 57.057.轻量型网络结构已处理 58.058.多分支网络结构 59.059.attention的网络结构 60.060.学习率 61.061.优化器 62.062.卷积神经网添加正则化 63.01.图像分类网络模型框架解读（上） 64.02.图像分类网络模型框架解读（下） 65.03.cifar10数据介绍-读取-处理（上） 66.04.cifar10数据介绍-读取-处理（下） 67.05.PyTorch自定义数据加载-加载Cifar10数据 68.06.PyTorch搭建 VGGNet 实现Cifar10图像分类 69.07.PyTorch搭建cifar10训练脚本-tensorboard记录 70.08.PyTorch搭建cifar10训练脚本-tensorboard记录 71.09.PyTorch搭建cifar10训练脚本搭建-ResNet结构（上） 72.10.PyTorch搭建cifar10训练脚本搭建-ResNet结构（下） 73.11.PyTorch搭建cifar10训练脚本搭建-Mobilenetv1 74.12.PyTorch搭建cifar10训练脚本搭建-Inception结构 75.13.PyTorch搭建cifar10训练脚本搭建-Inception结构 76.14.PyTorch搭建cifar10训练脚本搭建-调用Pytorch标准 77.15.PyTorch搭建cifar10推理测试脚本搭建 78.16.分类问题优化思路 79.17.分类问题最新研究进展和方向已处理 80.01.图像分割基本概念 81.02.图像分割方法介绍 82.03.图像分割评价指标及目前面临的挑战 83.04.COCO数据集介绍 84.05.detectron框架介绍和使用简单说明 85.06.coco数据集标注文件解析 86.07.detectron源码解读和模型训练-demo测试 87.01.GAN的基础概念和典型模型介绍（上） 88.02.GAN的基础概念和典型模型介绍（下） 89.03.图像风格转换数据下载与自定义dataset类 90.04.cycleGAN模型搭建-model 91.05.cycleGAN模型搭建-train（上） 92.06.cycleGAN模型搭建-train（下） 93.07.cycleGAN模型搭建-test 94.01.RNN网络基础 95.02.RNN常见网络结构-simple.RNN网络 96.03.Bi-RNN网络 97.04.LSTM网络基础
