教程介绍：
这套《Python深度学习与PyTorch入门实战教程》从基础到进阶，涵盖了深度学习的核心知识和PyTorch框架的使用。教程包括PyTorch介绍、开发环境配置、线性回归的案例分析、手写数字识别问题的引入等内容，帮助学习者快速掌握Tensor操作、维度变换、索引与切片等基本操作。同时，还深入讲解了神经网络的基本原理，如激活函数、梯度下降、反向传播及优化方法等。课程还涵盖了卷积神经网络（CNN）、循环神经网络（RNN）、LSTM及GAN等高级网络模型的实现，重点讲解了数据增强、模型优化及过拟合问题的处理。通过案例实战，提升学员的深度学习应用能力。
教程目录：
1.lesson1-PyTorch介绍.mp4
2.lesson2-开发环境准备.mp4
3.lesson3-初探Linear Regression案例-1.mp4
4.lesson3-初探Linear Regression案例-2.mp4
5.lesson4-PyTorch求解Linear Regression案例.mp4
6.lesson5 -手写数字问题引入1.mp4
7.lesson5 -手写数字问题引入2.mp4
08.lesson6 基本数据类型1.mp4
09.lesson6 基本数据类型2.mp4
10.lesson7 创建Tensor 1.mp4
11.lesson7 创建Tensor 2.mp4
12.lesson8 索引与切片1.mp4
13.lesson8 索引与切片2.mp4
14.lesson9 维度变换1.mp4
15.lesson9 维度变换2.mp4
16.lesson9 维度变换3.mp4
17.lesson9 维度变换4.mp4
18.lesson10 Broatcasting 1.mp4
19.lesson10 Broatcasting 2.mp4
20.lesson11 合并与切割1.mp4
21.lesson11 合并与切割2.mp4
22.lesson12 基本运算.mp4
23.lesson13 数据统计1.mp4
24.lesson13 数据统计2.mp4
25.lesson14 高阶OP.mp4
26.lesson16 什么是梯度1.mp4
27.lesson16 什么是梯度2.mp4
28.lesson17 常见梯度.mp4
29.lesson18 激活函数及其梯度1.mp4
30.lesson18 激活函数及其梯度2.mp4
31.lesson18 激活函数及其梯度3.mp4
32.lesson19 单一输出感知机1.mp4
33.lesson19 多输出Loss层2.mp4
34.lesson20 链式法则.mp4
35.lesson21 反向传播.mp4
36.lesson22 优化小实例.mp4
37.lesson24 Logistic Regression.mp4
38.lesson25 交叉熵.mp4
39.lesson26 多分类实战.mp4
40.lesson27 全连接层.mp4
41.lesson28 激活函数与GPU加速.mp4
42.lesson29 测试.mp4
43.lesson30-Visdom可视化.mp4
44.lesson31-过拟合与欠拟合.mp4
45.lesson32-Train-Val-Test-交叉验证-1.mp4
46.lesson32-Train-Val-Test-交叉验证-2.mp4
47.lesson33-regularization.mp4
48.lesson34-动量与lr衰减.mp4
49.lesson35-early stopping, dropout, sgd.mp4
50.lesson37-什么是卷积-1.mp4
51.lesson37-什么是卷积-2.mp4
52.lesson38-卷积神经网络-1.mp4
53.lesson38-卷积神经网络-2.mp4
54.lesson38-卷积神经网络-3.mp4
55.lesson39-Pooling&upsample.mp4
56.lesson40-BatchNorm-1.mp4
57.lesson40-BatchNorm-2.mp4
58.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4
59.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4
60.lesson42-ResNet，DenseNet-1.mp4
61.lesson42-ResNet, DenseNet-2.mp4
62.lesson43-nn.Module-1.mp4
63.lesson43-nn.Module-2.mp4
64.lesson44-数据增强Data Argumentation.mp4
65.lesson46-时间序列表示.mp4
66.lesson47-RNN原理-1.mp4
67.lesson47-RNN原理-2.mp4
68.lesson48-RNN Layer使用-1.mp4
69.lesson48-RNN Layer使用-2.mp4
70.lesson49-时间序列预测.mp4
71.lesson50-RNN训练难题.mp4
72.lesson51-LSTM原理-1.mp4
73.lesson51-LSTM原理-2.mp4
74.lesson52-LSTM Layer使用.mp4
75.lesson53-情感分类实战.mp4
76.lesson54-数据分布.mp4
77.lesson55-画家的成长历程.mp4
78.lesson56-GAN发展.mp4
79.lesson57-纳什均衡-D.mp4
80.lesson58-纳什均衡-G.mp4
81.lesson59-JS散度的弊端.mp4
82.lesson60-EM距离.mp4
83.lesson61-WGAN与WGAN-GP.mp4
84.lesson62-G和D实现.mp4
85.lesson63-GAN实战.mp4
86.lesson64-GAN训练不稳定.mp4
87.lesson65-WGAN-GP实战.mp4
2.lesson2-开发环境准备.mp4
3.lesson3-初探Linear Regression案例-1.mp4
4.lesson3-初探Linear Regression案例-2.mp4
5.lesson4-PyTorch求解Linear Regression案例.mp4
6.lesson5 -手写数字问题引入1.mp4
7.lesson5 -手写数字问题引入2.mp4
08.lesson6 基本数据类型1.mp4
09.lesson6 基本数据类型2.mp4
10.lesson7 创建Tensor 1.mp4
11.lesson7 创建Tensor 2.mp4
12.lesson8 索引与切片1.mp4
13.lesson8 索引与切片2.mp4
14.lesson9 维度变换1.mp4
15.lesson9 维度变换2.mp4
16.lesson9 维度变换3.mp4
17.lesson9 维度变换4.mp4
18.lesson10 Broatcasting 1.mp4
19.lesson10 Broatcasting 2.mp4
20.lesson11 合并与切割1.mp4
21.lesson11 合并与切割2.mp4
22.lesson12 基本运算.mp4
23.lesson13 数据统计1.mp4
24.lesson13 数据统计2.mp4
25.lesson14 高阶OP.mp4
26.lesson16 什么是梯度1.mp4
27.lesson16 什么是梯度2.mp4
28.lesson17 常见梯度.mp4
29.lesson18 激活函数及其梯度1.mp4
30.lesson18 激活函数及其梯度2.mp4
31.lesson18 激活函数及其梯度3.mp4
32.lesson19 单一输出感知机1.mp4
33.lesson19 多输出Loss层2.mp4
34.lesson20 链式法则.mp4
35.lesson21 反向传播.mp4
36.lesson22 优化小实例.mp4
37.lesson24 Logistic Regression.mp4
38.lesson25 交叉熵.mp4
39.lesson26 多分类实战.mp4
40.lesson27 全连接层.mp4
41.lesson28 激活函数与GPU加速.mp4
42.lesson29 测试.mp4
43.lesson30-Visdom可视化.mp4
44.lesson31-过拟合与欠拟合.mp4
45.lesson32-Train-Val-Test-交叉验证-1.mp4
46.lesson32-Train-Val-Test-交叉验证-2.mp4
47.lesson33-regularization.mp4
48.lesson34-动量与lr衰减.mp4
49.lesson35-early stopping, dropout, sgd.mp4
50.lesson37-什么是卷积-1.mp4
51.lesson37-什么是卷积-2.mp4
52.lesson38-卷积神经网络-1.mp4
53.lesson38-卷积神经网络-2.mp4
54.lesson38-卷积神经网络-3.mp4
55.lesson39-Pooling&upsample.mp4
56.lesson40-BatchNorm-1.mp4
57.lesson40-BatchNorm-2.mp4
58.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4
59.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4
60.lesson42-ResNet，DenseNet-1.mp4
61.lesson42-ResNet, DenseNet-2.mp4
62.lesson43-nn.Module-1.mp4
63.lesson43-nn.Module-2.mp4
64.lesson44-数据增强Data Argumentation.mp4
65.lesson46-时间序列表示.mp4
66.lesson47-RNN原理-1.mp4
67.lesson47-RNN原理-2.mp4
68.lesson48-RNN Layer使用-1.mp4
69.lesson48-RNN Layer使用-2.mp4
70.lesson49-时间序列预测.mp4
71.lesson50-RNN训练难题.mp4
72.lesson51-LSTM原理-1.mp4
73.lesson51-LSTM原理-2.mp4
74.lesson52-LSTM Layer使用.mp4
75.lesson53-情感分类实战.mp4
76.lesson54-数据分布.mp4
77.lesson55-画家的成长历程.mp4
78.lesson56-GAN发展.mp4
79.lesson57-纳什均衡-D.mp4
80.lesson58-纳什均衡-G.mp4
81.lesson59-JS散度的弊端.mp4
82.lesson60-EM距离.mp4
83.lesson61-WGAN与WGAN-GP.mp4
84.lesson62-G和D实现.mp4
85.lesson63-GAN实战.mp4
86.lesson64-GAN训练不稳定.mp4
87.lesson65-WGAN-GP实战.mp4
