PyTorch深度学习开发医学影像端到端判别

PyTorch深度学习开发医学影像端到端判别

第9章 项目实战二模型训练与优化

第8章 项目实战一理解业务与数据

第7章 使用神经网络区分小鸟和飞机图像

第6章 神经网络理念解决温度计转换

第5章 PyTorch如何处理真实数据

第4章 PyTorch基础知识必备-张量

第3章 PyTorch项目热身实践

第2章 课程内容整体规划

第1章 课程导学

第11章 课程总结与面试问题

第10章 项目实战三实现端到端的模型预测

说明.png 1.8MB

9-9尝试训练第一个模型 .mp4 70.0MB

9-8在日志中保存重要信息 .mp4 36.1MB

9-7定义损失计算和训练验证环节二 .mp4 16.1MB

9-6定义损失计算和训练验证环节一 .mp4 31.2MB

9-5实现模型的核心部分 .mp4 29.9MB

9-4编写数据加载器部分 .mp4 13.6MB

9-3初始化都包含什么内容 .mp4 14.8MB

9-2定义模型训练框架 .mp4 25.6MB

9-26本章小结 .mp4 21.8MB

9-25分割模型训练及在TensorBoard中查看结果 .mp4 51.8MB

9-24模型存储图像存储代码介绍 .mp4 17.4MB

9-23构建训练流程 .mp4 26.2MB

9-22Adam优化器和Dice损失 .mp4 17.5MB

9-21构建训练Dataset和使用GPU进行数据增强 .mp4 22.3MB

9-20为图像分割构建Dataset类 .mp4 35.2MB

9-1第一个模型结节分类 .mp4 25.7MB

9-19为图像分割进行数据预处理 .mp4 46.3MB

9-18U-Net模型介绍 .mp4 42.6MB

9-17图像分割的几种类型 .mp4 21.4MB

9-16第二个模型结节分割 .mp4 20.1MB

9-15数据增强的代码实现 .mp4 32.6MB

9-14数据重复采样的代码实现 .mp4 24.4MB

9-13数据优化方法 .mp4 21.6MB

9-12实现F1Score计算逻辑 .mp4 11.7MB

9-11新的模型评估指标F1score .mp4 26.9MB

9-10借助TensorBoard绘制指标曲线 .mp4 38.8MB