PyTorch深度学习开发医学影像阿里云盘下载

注意：只展示部分的文件和文件夹 实际有116个文件

全部文件 1.4GB

23809 1.4GB

第9章 项目实战二：模型训练与优化 742.3MB

9-9尝试训练第一个模型【x6g】.mp4 70.0MB

9-8在日志中保存重要信息【x6g】.mp4 36.1MB

9-7定义损失计算和训练验证环节二【x6g】.mp4 16.1MB

9-6定义损失计算和训练验证环节一【x6g】.mp4 31.3MB

9-5实现模型的核心部分【x6g】.mp4 30.0MB

9-4编写数据加载器部分【x6g】.mp4 13.6MB

9-3初始化都包含什么内容【x6g】.mp4 14.9MB

9-2定义模型训练框架【x6g】.mp4 25.6MB

9-26本章小结【x6g】.mp4 21.9MB

9-25分割模型训练及在TensorBoard中查看结果【x6g】.mp4 51.8MB

9-24模型存储图像存储代码介绍【x6g】.mp4 17.4MB

9-23构建训练流程【x6g】.mp4 26.2MB

9-22Adam优化器和Dice损失【x6g】.mp4 17.5MB

9-21构建训练Dataset和使用GPU进行数据增强【x6g】.mp4 22.4MB

9-20为图像分割构建Dataset类【x6g】.mp4 35.2MB

9-1第一个模型结节分类【x6g】.mp4 25.8MB

9-19为图像分割进行数据预处理【x6g】.mp4 46.3MB

9-18U-Net模型介绍【x6g】.mp4 42.6MB

9-17图像分割的几种类型【x6g】.mp4 21.5MB

9-16第二个模型结节分割【x6g】.mp4 20.1MB

9-15数据增强的代码实现【x6g】.mp4 32.6MB

9-14数据重复采样的代码实现【x6g】.mp4 24.4MB

9-13数据优化方法【x6g】.mp4 21.7MB

9-12实现F1Score计算逻辑【x6g】.mp4 11.7MB

9-11新的模型评估指标F1score【x6g】.mp4 26.9MB

9-10借助TensorBoard绘制指标曲线【x6g】.mp4 38.8MB

第8章 项目实战一：理解业务与数据 285.5MB

8-9编写Dataset方法【x6g】.mp4 16.4MB

8-8数据坐标系的转换【x6g】.mp4 32.1MB

8-7加载CT影像数据【x6g】.mp4 11.7MB

8-6加载标注数据【x6g】.mp4 29.3MB

8-5原始数据是长什么样子的【x6g】.mp4 19.1MB

8-4下载项目中的数据集【x6g】.mp4 17.1MB

8-3制定一个解决方案【x6g】.mp4 14.2MB

8-2CT数据是什么样子【x6g】.mp4 14.5MB

8-1肺部癌症检测的项目简介【x6g】.mp4 23.4MB

8-14本章小结【x6g】.mp4 7.2MB

8-13CT数据可视化实现三【x6g】.mp4 29.2MB

8-12CT数据可视化实现二【x6g】.mp4 38.8MB

8-11CT数据可视化实现一【x6g】.mp4 19.3MB

8-10分割训练集和验证集【x6g】.mp4 13.2MB

第7章 使用神经网络区分小鸟和飞机图像 368.6MB

7-9卷积中的数据填充方法padding【x6g】.mp4 7.7MB

7-8借助PyTorch搭建卷积网络模型【x6g】.mp4 26.1MB

7-7对全连接网络的改进之卷积网络【x6g】.mp4 22.2MB

7-6全连接网络实现图像分类【x6g】.mp4 47.6MB

7-5分类模型常用损失之交叉熵损失【x6g】.mp4 12.2MB

7-4借助softmax方法给出分类结果【x6g】.mp4 15.6MB

7-3为模型准备训练集和验证集【x6g】.mp4 19.6MB

7-2为数据集实现Dataset类【x6g】.mp4 15.7MB

7-21本章小结【x6g】.mp4 8.8MB

7-20优化方案之增加模型深度-depth【x6g】.mp4 35.3MB

7-1CIFAR-10数据集介绍【x6g】.mp4 11.6MB

7-19优化方案之数据正则化-normalization三【x6g】.mp4 14.8MB

7-18优化方案之数据正则化-normalization二【x6g】.mp4 27.1MB

7-17优化方案之数据正则化-normalization一【x6g】.mp4 21.7MB

7-16优化方案之增加模型宽度-width【x6g】.mp4 17.6MB

7-15该用GPU训练我们的模型【x6g】.mp4 16.6MB

7-14训练好的模型如何存储【x6g】.mp4 3.9MB

7-13训练我们的分类模型【x6g】.mp4 17.5MB

7-12借助PyTorch搭建卷积网络【x6g】.mp4 14.8MB

7-11借助下采样压缩数据【x6g】.mp4 12.4MB