mksz612 Pytorch框架全流程开发医学影像端到端判别实战项目

总计: 12 个文件夹, 116 个文件

📁 mksz612Pytorch框架全流程开发医学影像端到端判别实战项目
├── 📁 1-课程导学
│ ├── 📄 1-1 课程导学-.mp4 (52.79MB)
│ ├── 📄 1-2 深度学习如何影响生活@.mp4 (22.91MB)
│ └── 📄 1-3 常用深度学习框架-.mp4 (21.29MB)
├── 📁 10-项目实战三：实现端到端的模型预测
│ ├── 📄 10-1 连接分割模型和分类模型@.mp4 (61.04MB)
│ ├── 📄 10-2 新的评价指标：AUC-ROC曲线@.mp4 (82.05MB)
│ ├── 📄 10-3 使用finetune方法构建肿瘤恶性判断模型@.mp4 (68.49MB)
│ ├── 📄 10-4 完整的实现端到端肺部肿瘤检测@.mp4 (50.39MB)
│ ├── 📄 10-5 使用合适的框架把模型部署上线（一）-.mp4 (33.60MB)
│ ├── 📄 10-6 使用合适的框架把模型部署上线（二）@.mp4 (39.15MB)
│ └── 📄 10-7 本章小结@.mp4 (11.29MB)
├── 📁 11-课程总结与面试问题
│ ├── 📄 11-1 肿瘤检测系统架构回顾.mp4 (31.76MB)
│ ├── 📄 11-2 课程中的神经网络回顾@.mp4 (29.80MB)
│ ├── 📄 11-3 模型优化方法回顾@.mp4 (23.10MB)
│ ├── 📄 11-4 面试过程中可能遇到的问题-.mp4 (57.37MB)
│ └── 📄 11-5 持续学习的几个建议@.mp4 (46.83MB)
├── 📁 2-课程内容整体规划
│ ├── 📄 2-1 环境安装与配置-.mp4 (29.76MB)
│ ├── 📄 2-2 使用预训练的ResNet网络给图片分类（一）.mp4 (38.88MB)
│ ├── 📄 2-3 使用预训练的ResNet网络给图片分类（二）@.mp4 (29.61MB)
│ └── 📄 2-4 使用预训练的GAN网络把马变成斑马-.mp4 (43.24MB)
├── 📁 3-PyTorch项目热身实践
│ ├── 📄 3-1 工业级数据挖掘流程（一）.mp4 (55.53MB)
│ ├── 📄 3-2 工业级数据挖掘流程（二）.mp4 (35.38MB)
│ ├── 📄 3-3 课程重难点技能分布.mp4 (11.38MB)
│ └── 📄 3-4 课程实战项目简介-.mp4 (15.09MB)
├── 📁 4-PyTorch基础知识必备-张量
│ ├── 📄 4-1 什么是张量.mp4 (24.15MB)
│ ├── 📄 4-10 张量的底层实现逻辑（二）@.mp4 (25.56MB)
│ ├── 📄 4-2 张量的获取与存储（一）@.mp4 (35.79MB)
│ ├── 📄 4-3 张量的获取与存储（二）.mp4 (34.42MB)
│ ├── 📄 4-4 张量的基本操作（一）.mp4 (19.03MB)
│ ├── 📄 4-5 张量的基本操作（二）@.mp4 (35.94MB)
│ ├── 📄 4-6 张量中的元素类型@.mp4 (15.76MB)
│ ├── 📄 4-7 张量的命名@.mp4 (19.83MB)
│ ├── 📄 4-8 把张量传递到GPU中进行运算@.mp4 (9.53MB)
│ └── 📄 4-9 张量的底层实现逻辑（一）@.mp4 (38.64MB)
├── 📁 5-PyTorch如何处理真实数据
│ ├── 📄 5-1 普通二维图像的加载（一）@.mp4 (22.09MB)
│ ├── 📄 5-2 普通二维图像的加载（二）@.mp4 (22.81MB)
│ ├── 📄 5-3 3D图像的加载-.mp4 (32.22MB)
│ ├── 📄 5-4 普通表格数据加载@.mp4 (33.04MB)
│ ├── 📄 5-5 有时间序列的表格数据加载@.mp4 (36.47MB)
│ ├── 📄 5-6 连续值、序列值、分类值的处理.mp4 (27.05MB)
│ ├── 📄 5-7 自然语言文本数据加载-.mp4 (33.84MB)
│ └── 📄 5-8 本章小结@.mp4 (5.44MB)
├── 📁 6-神经网络理念解决温度计转换
│ ├── 📄 6-1 常规模型训练的过程@.mp4 (18.51MB)
│ ├── 📄 6-10 使用PyTorch提供的优化器@.mp4 (31.38MB)
│ ├── 📄 6-11 神经网络重要概念-激活函数.mp4 (36.66MB)
│ ├── 📄 6-12 用PyTorch的nn模块搭建神经网络.mp4 (18.15MB)
│ ├── 📄 6-13 构建批量训练方法@.mp4 (29.01MB)
│ ├── 📄 6-14 使用神经网络解决温度计示数转换问题.mp4 (45.58MB)
│ ├── 📄 6-2 温度计示数转换.mp4 (17.95MB)
│ ├── 📄 6-3 神经网络重要概念-损失.mp4 (20.94MB)
│ ├── 📄 6-4 PyTorch中的广播机制.mp4 (38.24MB)
│ ├── 📄 6-5 神经网络重要概念-梯度.mp4 (36.96MB)
│ ├── 📄 6-6 神经网络重要概念-学习率.mp4 (41.89MB)
│ ├── 📄 6-7 神经网络重要概念-归一化@.mp4 (54.38MB)
│ ├── 📄 6-8 使用超参数优化我们的模型效果@.mp4 (26.43MB)
│ └── 📄 6-9 使用PyTorch自动计算梯度@.mp4 (36.54MB)
├── 📁 7-使用神经网络区分小鸟和飞机图像
│ ├── 📄 7-1 CIFAR-10数据集介绍.mp4 (16.09MB)
│ ├── 📄 7-10 使用卷积提取图像中的特定特征@.mp4 (17.59MB)
│ ├── 📄 7-11 借助下采样压缩数据-.mp4 (15.74MB)
│ ├── 📄 7-12 借助PyTorch搭建卷积网络@.mp4 (19.25MB)
│ ├── 📄 7-13 训练我们的分类模型@.mp4 (21.65MB)
│ ├── 📄 7-14 训练好的模型如何存储.mp4 (4.01MB)
│ ├── 📄 7-15 该用GPU训练我们的模型.mp4 (20.57MB)
│ ├── 📄 7-16 优化方案之增加模型宽度-width.mp4 (19.45MB)
│ ├── 📄 7-17 优化方案之数据正则化-normalization（一）-.mp4 (26.17MB)
│ ├── 📄 7-18 优化方案之数据正则化-normalization（二）.mp4 (34.00MB)
│ ├── 📄 7-19 优化方案之数据正则化-normalization（三）@.mp4 (16.42MB)
│ ├── 📄 7-2 为数据集实现Dataset类.mp4 (19.54MB)
│ ├── 📄 7-20 优化方案之增加模型深度-depth-.mp4 (30.48MB)
│ ├── 📄 7-21 本章小结.mp4 (7.96MB)
│ ├── 📄 7-3 为模型准备训练集和验证集@.mp4 (24.36MB)
│ ├── 📄 7-4 借助softmax方法给出分类结果@.mp4 (15.07MB)
│ ├── 📄 7-5 分类模型常用损失之交叉熵损失.mp4 (12.31MB)
│ ├── 📄 7-6 全连接网络实现图像分类@.mp4 (59.59MB)
│ ├── 📄 7-7 对全连接网络的改进之卷积网络-.mp4 (22.93MB)
│ ├── 📄 7-8 借助PyTorch搭建卷积网络模型@.mp4 (33.87MB)
│ └── 📄 7-9 卷积中的数据填充方法padding@.mp4 (10.44MB)
├── 📁 8-项目实战一：理解业务与数据
│ ├── 📄 8-1 肺部癌症检测的项目简介@.mp4 (28.83MB)
│ ├── 📄 8-10 分割训练集和验证集.mp4 (19.80MB)
│ ├── 📄 8-11 CT数据可视化实现（一）-.mp4 (24.36MB)
│ ├── 📄 8-12 CT数据可视化实现（二）.mp4 (38.05MB)
│ ├── 📄 8-13 CT数据可视化实现（三）@.mp4 (28.92MB)
│ ├── 📄 8-14 本章小结@.mp4 (5.36MB)
│ ├── 📄 8-2 CT数据是什么样子.mp4 (17.78MB)
│ ├── 📄 8-3 制定一个解决方案.mp4 (18.90MB)
│ ├── 📄 8-4 下载项目中的数据集-.mp4 (21.97MB)
│ ├── 📄 8-5 原始数据是长什么样子的@.mp4 (23.67MB)
│ ├── 📄 8-6 加载标注数据@.mp4 (37.24MB)
│ ├── 📄 8-7 加载CT影像数据@.mp4 (15.64MB)
│ ├── 📄 8-8 数据坐标系的转换.mp4 (44.92MB)
│ └── 📄 8-9 编写Dataset方法.mp4 (23.25MB)
└── 📁 9-项目实战二：模型训练与优化
├── 📄 9-1 第一个模型：结节分类-.mp4 (24.25MB)
├── 📄 9-10 借助TensorBoard绘制指标曲线@.mp4 (40.99MB)
├── 📄 9-11 新的模型评估指标：F1score.mp4 (30.74MB)
├── 📄 9-12 实现F1Score计算逻辑@.mp4 (17.67MB)
├── 📄 9-13 数据优化方法.mp4 (25.29MB)
├── 📄 9-14 数据重复采样的代码实现@.mp4 (37.40MB)
├── 📄 9-15 数据增强的代码实现@.mp4 (46.09MB)
├── 📄 9-16 第二个模型：结节分割-.mp4 (25.36MB)
├── 📄 9-17 图像分割的几种类型.mp4 (23.92MB)
├── 📄 9-18 U-Net模型介绍-.mp4 (46.19MB)
├── 📄 9-19 为图像分割进行数据预处理@.mp4 (54.91MB)
├── 📄 9-2 定义模型训练框架@.mp4 (37.70MB)
├── 📄 9-20 为图像分割构建Dataset类-.mp4 (54.19MB)
├── 📄 9-21 构建训练Dataset和使用GPU进行数据增强@.mp4 (25.54MB)
├── 📄 9-22 Adam优化器和Dice损失@.mp4 (20.67MB)
├── 📄 9-23 构建训练流程@.mp4 (41.35MB)
├── 📄 9-24 模型存储、图像存储代码介绍@.mp4 (19.05MB)
├── 📄 9-25 分割模型训练及在TensorBoard中查看结果-.mp4 (55.41MB)
├── 📄 9-26 本章小结-.mp4 (18.32MB)
├── 📄 9-3 初始化都包含什么内容-.mp4 (20.94MB)
├── 📄 9-4 编写数据加载器部分-.mp4 (16.38MB)
├── 📄 9-5 实现模型的核心部分.mp4 (43.81MB)
├── 📄 9-6 定义损失计算和训练验证环节（一）@.mp4 (38.47MB)
├── 📄 9-7 定义损失计算和训练验证环节（二）.mp4 (22.05MB)
├── 📄 9-8 在日志中保存重要信息-.mp4 (45.82MB)
└── 📄 9-9 尝试训练第一个模型@.mp4 (69.44MB)