Сергей Балакирев - Добрый добрый ИИ часть 2 - 2026

Creation Time	June 14, 2026, 5:37 p.m.
Last Access Time	June 15, 2026, 3:29 a.m.
File Size	2.4 GB
Keywords	Сергей Балакирев - 2026 часть ИИ Добрый 2 добрый
Total Requests	3
Total Files	1169
Magnet Link	Please wait ...
	Download (Magnet Link) Play (Watch Online)

1. Введение в нейросети. Тензоры PyTorch/1.1 Начало.mp4 119.5 MB
github.zip 84.2 MB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/navec_hudlit_v1_12B_500K_300d_100q.tar 50.6 MB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений.mp4 41.6 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9.1 Применение классов Dataset и Dataloader.mp4 39.1 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11.1 Трансформации transform. Класс ImageFolder.mp4 34.6 MB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз.mp4 32.3 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6.1 Классы nn.Linear и nn.Module.mp4 31.3 MB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19.mp4 30.9 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout.mp4 30.9 MB
3. Сверточные нейронные сети/3.6 Делаем стилизацию изображений на РyTorch.mp4 29.7 MB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы.mp4 28.2 MB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов.mp4 28.1 MB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети.mp4 27.7 MB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью.mp4 26.9 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13.1 Переобучение (overfitting). Критерии останова обучения.mp4 26.1 MB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры.mp4 25.8 MB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch.mp4 25.4 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict.mp4 25.0 MB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50.mp4 24.9 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12.1 Сохранение и загрузка моделей нейронных сетей.mp4 24.4 MB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE).mp4 23.9 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.2 Алгоритм back propagation.mp4 23.6 MB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE).mp4 23.5 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10.1 Классификация изображений цифр БД MNIST.mp4 22.1 MB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС.mp4 22.1 MB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы.mp4 21.7 MB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений.mp4 21.1 MB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy.mp4 20.8 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch.mp4 20.1 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5.1 Оптимизаторы. Реализация SGD на PyTorch.mp4 20.1 MB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя.mp4 20.1 MB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet).mp4 20.1 MB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение).mp4 19.8 MB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов.mp4 19.6 MB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции.mp4 19.4 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4.1 Автоматическое дифференцирование.mp4 19.3 MB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции.mp4 19.1 MB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN).mp4 18.7 MB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память.mp4 18.6 MB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети.mp4 18.5 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1.1 Идея обучения НС градиентным алгоритмом.mp4 18.0 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10.2 Классификация изображений цифр БД MNIST.mp4 17.5 MB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN).mp4 17.2 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1.2 Идея обучения НС градиентным алгоритмом.mp4 17.2 MB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей.mp4 17.2 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5.5 Оптимизаторы. Реализация SGD на PyTorch.mp4 17.0 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8.3 Классы Dataset и Dataloader.mp4 17.0 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10.3 Классификация изображений цифр БД MNIST.mp4 16.5 MB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом.mp4 16.3 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5.4 Оптимизаторы. Реализация SGD на PyTorch.mp4 16.2 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9.2 Применение классов Dataset и Dataloader.mp4 15.9 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3.3 Функции активации и потерь в PyTorch.mp4 15.7 MB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции.mp4 15.1 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3.1 Функции активации и потерь в PyTorch.mp4 15.1 MB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов.mp4 14.8 MB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN.mp4 14.4 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11.5 Трансформации transform. Класс ImageFolder.mp4 14.4 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5.6 Оптимизаторы. Реализация SGD на PyTorch.mp4 14.3 MB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer).mp4 13.7 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8.1 Классы Dataset и Dataloader.mp4 13.6 MB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU.mp4 13.5 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9.4 Применение классов Dataset и Dataloader.mp4 13.0 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization.mp4 12.8 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13.4 Переобучение (overfitting). Критерии останова обучения.mp4 12.7 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9.3 Применение классов Dataset и Dataloader.mp4 12.5 MB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d.mp4 12.4 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13.3 Переобучение (overfitting). Критерии останова обучения.mp4 12.3 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6.5 Классы nn.Linear и nn.Module.mp4 12.0 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9.5 Применение классов Dataset и Dataloader.mp4 12.0 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10.4 Классификация изображений цифр БД MNIST.mp4 11.4 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность.mp4 10.7 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8.2 Классы Dataset и Dataloader.mp4 10.7 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9.6 Применение классов Dataset и Dataloader.mp4 10.4 MB
1. Введение в нейросети. Тензоры PyTorch/1.3 Установка PyTorch совместно с CUDA.mp4 9.7 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6.3 Классы nn.Linear и nn.Module.mp4 9.6 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13.5 Переобучение (overfitting). Критерии останова обучения.mp4 9.6 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6.4 Классы nn.Linear и nn.Module.mp4 9.5 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3.2 Функции активации и потерь в PyTorch.mp4 8.6 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4.3 Автоматическое дифференцирование.mp4 8.5 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4.4 Автоматическое дифференцирование.mp4 8.5 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12.5 Сохранение и загрузка моделей нейронных сетей.mp4 8.1 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11.6 Трансформации transform. Класс ImageFolder.mp4 6.9 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12.4 Сохранение и загрузка моделей нейронных сетей.mp4 6.8 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13.2 Переобучение (overfitting). Критерии останова обучения.mp4 6.5 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4.2 Автоматическое дифференцирование.mp4 6.5 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6.2 Классы nn.Linear и nn.Module.mp4 6.3 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12.6 Сохранение и загрузка моделей нейронных сетей.mp4 6.3 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12.3 Сохранение и загрузка моделей нейронных сетей.mp4 5.5 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11.3 Трансформации transform. Класс ImageFolder.mp4 5.3 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5.3 Оптимизаторы. Реализация SGD на PyTorch.mp4 5.1 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12.2 Сохранение и загрузка моделей нейронных сетей.mp4 5.1 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11.4 Трансформации transform. Класс ImageFolder.mp4 5.0 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5.2 Оптимизаторы. Реализация SGD на PyTorch.mp4 4.9 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11.2 Трансформации transform. Класс ImageFolder.mp4 3.2 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Ответы/Шаг 8 – Форматы выборок. Сбалансированность и репрезентативность.html 1.2 MB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Ответы/Шаг 8 – Персептрон - возможности классификации образов.html 1.2 MB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Ответы/Шаг 4 – Персептрон - возможности классификации образов.html 1.2 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Ответы/Шаг 8 – Идея обучения НС градиентным алгоритмом.html 1.1 MB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Ответы/Шаг 7 – Персептрон - возможности классификации образов.html 1.1 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Ответы/Шаг 8 – Оптимизаторы. Реализация SGD на PyTorch.html 1.0 MB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Ответы/Шаг 10 – Структура и принцип работы полносвязных нейронных сетей.html 1.0 MB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 1 – Тензоры. Автозаполнение, изменение формы.html 1.0 MB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 11 – Реализация GAN на PyTorch.html 1.0 MB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Ответы/Шаг 5 – L2-регуляризатор и Dropout.html 1.0 MB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Шаг 5 – Рекуррентная сеть для прогноза символов.html 1.0 MB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Ответы/Шаг 9 – Тензоры. Векторно-матричные операции.html 1.0 MB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Шаг 1 – Начало.html 1011.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Шаг 6 – Тензоры. Тригонометрические и статистические функции.html 1005.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Ответы/Шаг 9 – Оптимизаторы. Реализация SGD на PyTorch.html 994.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Ответы/Шаг 9 – Переобучение (overfitting). Критерии останова обучения.html 988.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Ответы/Шаг 6 – Персептрон - возможности классификации образов.html 986.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Шаг 7 – Персептрон - возможности классификации образов.html 986.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Ответы/Шаг 8 – Переобучение (overfitting). Критерии останова обучения.html 983.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Ответы/Шаг 9 – Форматы выборок. Сбалансированность и репрезентативность.html 980.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Шаг 6 – Тензоры. Базовые математические операции.html 980.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Ответы/Шаг 4 – Применение классов Dataset и Dataloader.html 979.6 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Шаг 1 – LSTM - долгая краткосрочная память.html 978.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Шаг 8 – Персептрон - возможности классификации образов.html 972.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Ответы/Шаг 3 – Персептрон - возможности классификации образов.html 968.5 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Шаг 1 – Реализация вариационного автоэнкодера (VAE).html 967.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Ответы/Шаг 8 – Тензоры. Индексирование и срезы.html 961.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Шаг 4 – Персептрон - возможности классификации образов.html 960.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Шаг 1 – Создание тензоров. Конвертирование в NumPy.html 960.0 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Ответы/Шаг 5 – Реализация вариационного автоэнкодера (VAE).html 950.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Ответы/Шаг 9 – Классы Dataset и Dataloader.html 950.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Ответы/Шаг 5 – Персептрон - возможности классификации образов.html 948.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Шаг 3 – Применение классов Dataset и Dataloader.html 945.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Ответы/Шаг 7 – Структура и принцип работы полносвязных нейронных сетей.html 944.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Ответы/Шаг 11 – Классы nn.Linear и nn.Module.html 943.1 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Шаг 1 – Реализация U-Net для семантической сегментации изображений.html 937.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Ответы/Шаг 7 – Применение классов Dataset и Dataloader.html 929.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Ответы/Шаг 10 – Использование CPU и GPU на примере простой НС.html 925.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Шаг 5 – Применение классов Dataset и Dataloader.html 922.5 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Ответы/Шаг 11 – Реализация GAN на PyTorch.html 922.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Ответы/Шаг 5 – Применение классов Dataset и Dataloader.html 919.8 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Ответы/Шаг 8 – Transfer Learning (трансферное обучение).html 919.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Ответы/Шаг 11 – Структура и принцип работы полносвязных нейронных сетей.html 917.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Шаг 13 – Тензоры. Индексирование и срезы.html 915.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Ответы/Шаг 7 – Идея обучения НС градиентным алгоритмом.html 912.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Ответы/Шаг 7 – Тензоры. Тригонометрические и статистические функции.html 912.3 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Ответы/Шаг 4 – Рекуррентная сеть для прогноза символов.html 909.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Ответы/Шаг 8 – Алгоритм Batch Normalization.html 909.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Шаг 8 – Идея обучения НС градиентным алгоритмом.html 909.2 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Ответы/Шаг 10 – Введение в рекуррентные нейронные сети.html 907.8 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Шаг 11 – Остаточные нейронные сети (residual networks - ResNet).html 907.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Шаг 1 – Использование CPU и GPU на примере простой НС.html 906.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Ответы/Шаг 8 – Функции активации и потерь в PyTorch.html 903.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Ответы/Шаг 8 – Использование CPU и GPU на примере простой НС.html 902.6 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Ответы/Шаг 12 – Остаточные нейронные сети (residual networks - ResNet).html 902.1 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Ответы/Шаг 9 – Введение в рекуррентные нейронные сети.html 901.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Ответы/Шаг 8 – Структура и принцип работы полносвязных нейронных сетей.html 901.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Шаг 1 – Структура и принцип работы полносвязных нейронных сетей.html 900.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Ответы/Шаг 9 – Структура и принцип работы полносвязных нейронных сетей.html 897.0 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Ответы/Шаг 6 – Пример реализации сверточной нейронной сети.html 896.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Шаг 2 – L2-регуляризатор и Dropout.html 896.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Шаг 9 – Тензоры. Векторно-матричные операции.html 894.8 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Ответы/Шаг 5 – Рекуррентная сеть для прогноза символов.html 894.6 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Шаг 10 – LSTM - долгая краткосрочная память.html 893.7 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Шаг 1 – Transfer Learning (трансферное обучение).html 893.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Ответы/Шаг 7 – Оптимизаторы. Реализация SGD на PyTorch.html 893.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Ответы/Шаг 6 – Тензоры. Тригонометрические и статистические функции.html 890.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Шаг 5 – Персептрон - возможности классификации образов.html 886.3 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Ответы/Шаг 10 – LSTM - долгая краткосрочная память.html 882.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Ответы/Шаг 10 – Тензоры. Индексирование и срезы.html 879.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Ответы/Шаг 11 – Сохранение и загрузка моделей нейронных сетей.html 878.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Шаг 8 – Переобучение (overfitting). Критерии останова обучения.html 876.5 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Шаг 1 – Пример реализации сверточной нейронной сети.html 874.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Ответы/Шаг 9 – L2-регуляризатор и Dropout.html 874.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Шаг 6 – Персептрон - возможности классификации образов.html 874.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Ответы/Шаг 6 – Применение классов Dataset и Dataloader.html 873.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Ответы/Шаг 9 – Автоматическое дифференцирование.html 873.2 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Шаг 6 – Рекуррентная сеть для прогноза символов.html 873.1 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Ответы/Шаг 4 – Реализация вариационного автоэнкодера (VAE).html 870.6 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Ответы/Шаг 3 – Рекуррентная сеть для прогноза символов.html 867.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Шаг 11 – Функции активации и потерь в PyTorch.html 867.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Шаг 8 – Форматы выборок. Сбалансированность и репрезентативность.html 866.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Ответы/Шаг 3 – Оптимизаторы. Реализация SGD на PyTorch.html 865.4 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Шаг 1 – Сверточные нейронные сети VGG-16 и VGG-19.html 862.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Шаг 3 – Персептрон - возможности классификации образов.html 862.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Ответы/Шаг 7 – Форматы выборок. Сбалансированность и репрезентативность.html 860.1 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Шаг 9 – Теория стилизации изображений (Neural Style Transfer).html 860.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Ответы/Шаг 6 – Алгоритм Batch Normalization.html 860.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Ответы/Шаг 11 – Функции активации и потерь в PyTorch.html 859.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Ответы/Шаг 3 – Применение классов Dataset и Dataloader.html 856.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Шаг 7 – Применение классов Dataset и Dataloader.html 856.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Шаг 8 – Функции активации и потерь в PyTorch.html 855.4 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Ответы/Шаг 8 – Рекуррентный блок GRU.html 855.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Шаг 8 – Оптимизаторы. Реализация SGD на PyTorch.html 854.5 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Ответы/Шаг 8 – Рекуррентная сеть для прогноза символов.html 854.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Шаг 9 – Оптимизаторы. Реализация SGD на PyTorch.html 852.0 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Шаг 4 – Рекуррентная сеть для прогноза символов.html 847.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Ответы/Шаг 8 – Автоматическое дифференцирование.html 846.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Ответы/Шаг 9 – Идея обучения НС градиентным алгоритмом.html 846.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Шаг 8 – Использование CPU и GPU на примере простой НС.html 845.8 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Ответы/Шаг 9 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 844.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Шаг 6 – Оптимизаторы. Реализация SGD на PyTorch.html 841.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Шаг 7 – Оптимизаторы. Реализация SGD на PyTorch.html 839.3 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Шаг 2 – Вариационные автоэнкодеры (VAE).html 838.6 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Ответы/Шаг 6 – Реализация вариационного автоэнкодера (VAE).html 837.7 KB
3. Сверточные нейронные сети/3.6 Делаем стилизацию изображений на РyTorch/Ответы/Шаг 4 – Делаем стилизацию изображений на PyTorch.html 837.6 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Шаг 2 – Введение в сверточные нейронные сети (CNN).html 837.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Ответы/Шаг 4 – Классы Sequential, ModuleList и ModuleDict.html 836.9 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Шаг 12 – Остаточные нейронные сети (residual networks - ResNet).html 836.2 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Шаг 8 – Рекуррентная сеть для прогноза символов.html 835.6 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Шаг 4 – Введение в автоэнкодеры.html 835.0 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Ответы/Шаг 3 – Реализация вариационного автоэнкодера (VAE).html 835.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Шаг 11 – Сохранение и загрузка моделей нейронных сетей.html 834.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Ответы/Шаг 8 – Классы Dataset и Dataloader.html 834.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.2 Алгоритм back propagation/Ответы/Шаг 4 – Алгоритм back propagation.html 833.3 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Ответы/Шаг 4 – Реализация U-Net для семантической сегментации изображений (1).html 832.4 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Ответы/Шаг 10 – Остаточные нейронные сети (residual networks - ResNet).html 831.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Ответы/Шаг 5 – Классификация изображений цифр БД MNIST.html 831.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Шаг 9 – Автоматическое дифференцирование.html 830.3 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Ответы/Шаг 9 – Теория стилизации изображений (Neural Style Transfer).html 830.2 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Шаг 10 – Введение в рекуррентные нейронные сети.html 827.5 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Шаг 2 – Архитектуры ResNet-18 и ResNet-50.html 825.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Ответы/Шаг 7 – Переобучение (overfitting). Критерии останова обучения.html 824.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.3 Установка PyTorch совместно с CUDA/Шаг 1 – Установка PyTorch совместно с CUDA.html 824.5 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Шаг 2 – Сверточные нейронные сети VGG-16 и VGG-19.html 823.8 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Ответы/Шаг 5 – LSTM - долгая краткосрочная память.html 823.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Ответы/Шаг 7 – Использование CPU и GPU на примере простой НС.html 822.1 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Шаг 2 – Реализация вариационного автоэнкодера (VAE).html 821.9 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Шаг 5 – Реализация вариационного автоэнкодера (VAE).html 821.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Ответы/Шаг 6 – Классификация изображений цифр БД MNIST.html 821.0 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Шаг 6 – Реализация вариационного автоэнкодера (VAE).html 818.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Ответы/Шаг 11 – Тензоры. Тригонометрические и статистические функции.html 815.9 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Ответы/Шаг 4 – Понятие эмбеддинга. Embedding слов.html 815.9 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Ответы/Шаг 7 – Реализация вариационного автоэнкодера (VAE).html 815.7 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Шаг 4 – Реализация вариационного автоэнкодера (VAE).html 815.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Ответы/Шаг 7 – Тензоры. Векторно-матричные операции.html 814.2 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Шаг 4 – Понятие эмбеддинга. Embedding слов.html 813.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Шаг 3 – Оптимизаторы. Реализация SGD на PyTorch.html 811.6 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Шаг 1 – Архитектура сети U-Net. Семантическая сегментация изображений.html 811.6 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Шаг 3 – Реализация вариационного автоэнкодера (VAE).html 807.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Ответы/Шаг 8 – Создание тензоров. Конвертирование в NumPy.html 807.6 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Шаг 3 – Рекуррентная сеть для прогноза символов.html 807.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Шаг 1 – Тензоры. Базовые математические операции.html 806.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Шаг 8 – Алгоритм Batch Normalization.html 806.5 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Ответы/Шаг 13 – Генеративно-состязательные сети (GAN).html 805.7 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Ответы/Шаг 11 – Реализация вариационного автоэнкодера (VAE).html 805.4 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Ответы/Шаг 4 – Введение в автоэнкодеры.html 804.4 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 1 – Реализация GAN на PyTorch.html 802.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Шаг 2 – Персептрон - возможности классификации образов.html 801.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Ответы/Шаг 11 – Переобучение (overfitting). Критерии останова обучения.html 801.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Шаг 5 – L2-регуляризатор и Dropout.html 801.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Шаг 7 – Идея обучения НС градиентным алгоритмом.html 801.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.2 Алгоритм back propagation/Шаг 4 – Алгоритм back propagation.html 800.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Шаг 6 – Автоматическое дифференцирование.html 800.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Ответы/Шаг 6 – Переобучение (overfitting). Критерии останова обучения.html 800.3 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 16 – Реализация GAN на PyTorch.html 799.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Шаг 4 – Идея обучения НС градиентным алгоритмом.html 799.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.2 Алгоритм back propagation/Шаг 1 – Алгоритм back propagation.html 799.3 KB
3. Сверточные нейронные сети/3.6 Делаем стилизацию изображений на РyTorch/Шаг 4 – Делаем стилизацию изображений на PyTorch.html 799.3 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Шаг 1 – Архитектуры ResNet-18 и ResNet-50.html 799.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Шаг 10 – Структура и принцип работы полносвязных нейронных сетей.html 799.0 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Шаг 1 – Прогноз слов рекуррентной нейронной сетью.html 798.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Ответы/Шаг 6 – Тензоры. Индексирование и срезы.html 798.1 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Ответы/Шаг 9 – Рекуррентная сеть для прогноза символов.html 797.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Ответы/Шаг 6 – Тензоры. Базовые математические операции.html 796.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Ответы/Шаг 7 – Классификация изображений цифр БД MNIST.html 796.6 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Шаг 8 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 796.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Шаг 1 – Трансформации transform. Класс ImageFolder.html 795.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Ответы/Шаг 10 – Функции активации и потерь в PyTorch.html 795.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Ответы/Шаг 12 – Тензоры. Базовые математические операции.html 794.8 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Шаг 9 – Введение в рекуррентные нейронные сети.html 793.9 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Шаг 8 – Transfer Learning (трансферное обучение).html 792.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Ответы/Шаг 8 – Классы nn.Linear и nn.Module.html 791.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Шаг 4 – Применение классов Dataset и Dataloader.html 789.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Шаг 5 – Тензоры. Базовые математические операции.html 789.1 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 2 – Генеративно-состязательные сети (GAN).html 788.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Шаг 1 – Сохранение и загрузка моделей нейронных сетей.html 787.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Шаг 6 – Применение классов Dataset и Dataloader.html 787.4 KB
3. Сверточные нейронные сети/3.6 Делаем стилизацию изображений на РyTorch/Ответы/Шаг 6 – Делаем стилизацию изображений на PyTorch.html 787.3 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Шаг 6 – Пример реализации сверточной нейронной сети.html 787.1 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Шаг 12 – Классы Conv2d и MaxPool2d.html 787.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Шаг 4 – Алгоритм Batch Normalization.html 786.9 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Шаг 10 – Рекуррентная сеть для прогноза символов.html 786.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Ответы/Шаг 7 – Автоматическое дифференцирование.html 786.3 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Шаг 7 – Реализация вариационного автоэнкодера (VAE).html 785.0 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Ответы/Шаг 6 – Архитектуры ResNet-18 и ResNet-50.html 784.8 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Ответы/Шаг 8 – LSTM - долгая краткосрочная память.html 784.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Шаг 4 – Классы nn.Linear и nn.Module.html 783.5 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Шаг 2 – Введение в автоэнкодеры.html 783.4 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Ответы/Шаг 12 – Классы Conv2d и MaxPool2d.html 782.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Шаг 11 – L2-регуляризатор и Dropout.html 779.6 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Шаг 6 – Класс nn.RNN рекуррентного слоя.html 779.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Ответы/Шаг 6 – Оптимизаторы. Реализация SGD на PyTorch.html 779.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Ответы/Шаг 4 – Алгоритм Batch Normalization.html 779.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Шаг 7 – Тензоры. Векторно-матричные операции.html 777.8 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Шаг 6 – Прогноз слов рекуррентной нейронной сетью.html 776.8 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Ответы/Шаг 10 – Класс nn.RNN рекуррентного слоя.html 776.7 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Ответы/Шаг 6 – Класс nn.RNN рекуррентного слоя.html 776.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Шаг 1 – Классификация изображений цифр БД MNIST.html 776.1 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Ответы/Шаг 16 – Реализация GAN на PyTorch.html 775.7 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Ответы/Шаг 5 – Архитектуры ResNet-18 и ResNet-50.html 773.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Шаг 5 – Классификация изображений цифр БД MNIST.html 773.0 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Ответы/Шаг 9 – Классы Conv2d и MaxPool2d.html 772.7 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Шаг 4 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 772.6 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Ответы/Шаг 7 – Реализация U-Net для семантической сегментации изображений.html 772.3 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Ответы/Шаг 4 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 770.3 KB
3. Сверточные нейронные сети/3.6 Делаем стилизацию изображений на РyTorch/Шаг 6 – Делаем стилизацию изображений на PyTorch.html 770.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Шаг 1 – Классы Dataset и Dataloader.html 768.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Шаг 7 – Форматы выборок. Сбалансированность и репрезентативность.html 767.9 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Ответы/Шаг 6 – Прогноз слов рекуррентной нейронной сетью.html 767.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Шаг 6 – Алгоритм Batch Normalization.html 766.8 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Ответы/Шаг 5 – Введение в рекуррентные нейронные сети.html 766.5 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Ответы/Шаг 5 – Рекуррентный блок GRU.html 766.1 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Ответы/Шаг 11 – Остаточные нейронные сети (residual networks - ResNet).html 765.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Шаг 1 – Классы nn.Linear и nn.Module.html 765.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Ответы/Шаг 7 – Функции активации и потерь в PyTorch.html 765.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Ответы/Шаг 6 – Создание тензоров. Конвертирование в NumPy.html 764.6 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Ответы/Шаг 9 – LSTM - долгая краткосрочная память.html 764.6 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Ответы/Шаг 4 – Прогноз слов рекуррентной нейронной сетью.html 764.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Ответы/Шаг 3 – Тензоры. Тригонометрические и статистические функции.html 763.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Ответы/Шаг 9 – Применение классов Dataset и Dataloader.html 763.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Ответы/Шаг 5 – Тензоры. Базовые математические операции.html 762.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Шаг 6 – Классификация изображений цифр БД MNIST.html 762.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Шаг 9 – Переобучение (overfitting). Критерии останова обучения.html 762.0 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Шаг 6 – Реализация U-Net для семантической сегментации изображений.html 760.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Шаг 3 – L2-регуляризатор и Dropout.html 758.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 7 – Тензоры. Автозаполнение, изменение формы.html 757.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Шаг 8 – Автоматическое дифференцирование.html 757.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Шаг 4 – Классы Sequential, ModuleList и ModuleDict.html 756.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Ответы/Шаг 6 – Автоматическое дифференцирование.html 754.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 13 – Тензоры. Автозаполнение, изменение формы.html 754.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Ответы/Шаг 8 – Тензоры. Векторно-матричные операции.html 754.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Ответы/Шаг 6 – Использование CPU и GPU на примере простой НС.html 753.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Шаг 7 – Структура и принцип работы полносвязных нейронных сетей.html 753.5 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Ответы/Шаг 6 – Теория стилизации изображений (Neural Style Transfer).html 752.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Ответы/Шаг 6 – Классы Sequential, ModuleList и ModuleDict.html 752.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Ответы/Шаг 12 – Сохранение и загрузка моделей нейронных сетей.html 751.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Шаг 8 – Создание тензоров. Конвертирование в NumPy.html 751.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Ответы/Шаг 8 – Сохранение и загрузка моделей нейронных сетей.html 750.8 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Шаг 7 – Пример реализации сверточной нейронной сети.html 750.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Ответы/Шаг 10 – Создание тензоров. Конвертирование в NumPy.html 750.5 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Ответы/Шаг 10 – Рекуррентная сеть для прогноза символов.html 750.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Ответы/Шаг 9 – Использование CPU и GPU на примере простой НС.html 750.1 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Ответы/Шаг 11 – Введение в сверточные нейронные сети (CNN).html 749.4 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Ответы/Шаг 10 – Вариационные автоэнкодеры (VAE).html 749.0 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Шаг 5 – Введение в рекуррентные нейронные сети.html 748.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Ответы/Шаг 9 – Тензоры. Индексирование и срезы.html 747.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Шаг 10 – Тензоры. Тригонометрические и статистические функции.html 746.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Ответы/Шаг 8 – L2-регуляризатор и Dropout.html 746.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Шаг 1 – Форматы выборок. Сбалансированность и репрезентативность.html 746.4 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Ответы/Шаг 5 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 745.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Шаг 1 – Применение классов Dataset и Dataloader.html 744.9 KB
3. Сверточные нейронные сети/3.6 Делаем стилизацию изображений на РyTorch/Шаг 1 – Делаем стилизацию изображений на PyTorch.html 744.7 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Ответы/Шаг 7 – Введение в сверточные нейронные сети (CNN).html 744.0 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Шаг 9 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 742.6 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Шаг 7 – Введение в сверточные нейронные сети (CNN).html 742.4 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Шаг 2 – LSTM - долгая краткосрочная память.html 741.6 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Ответы/Шаг 4 – Введение в сверточные нейронные сети (CNN).html 741.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Ответы/Шаг 4 – Классы nn.Linear и nn.Module.html 740.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Ответы/Шаг 9 – Сохранение и загрузка моделей нейронных сетей.html 740.7 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Шаг 10 – Класс nn.RNN рекуррентного слоя.html 740.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Ответы/Шаг 4 – Тензоры. Индексирование и срезы.html 739.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Ответы/Шаг 10 – Классы Dataset и Dataloader.html 739.0 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Ответы/Шаг 6 – Рекуррентная сеть для прогноза символов.html 738.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Шаг 9 – Использование CPU и GPU на примере простой НС.html 737.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Шаг 12 – Классы Sequential, ModuleList и ModuleDict.html 735.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Шаг 7 – Автоматическое дифференцирование.html 735.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Ответы/Шаг 5 – Автоматическое дифференцирование.html 735.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Ответы/Шаг 12 – Тензоры. Тригонометрические и статистические функции.html 734.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Ответы/Шаг 7 – Сохранение и загрузка моделей нейронных сетей.html 734.3 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Ответы/Шаг 15 – Реализация GAN на PyTorch.html 733.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Шаг 7 – Тензоры. Тригонометрические и статистические функции.html 733.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Шаг 2 – Алгоритм Batch Normalization.html 732.9 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Шаг 2 – Архитектура сети U-Net. Семантическая сегментация изображений.html 732.0 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Шаг 9 – LSTM - долгая краткосрочная память.html 731.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Шаг 9 – Структура и принцип работы полносвязных нейронных сетей.html 730.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Ответы/Шаг 10 – Тензоры. Базовые математические операции.html 730.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Шаг 7 – Использование CPU и GPU на примере простой НС.html 729.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Ответы/Шаг 10 – Трансформации transform. Класс ImageFolder.html 729.2 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Шаг 4 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 728.8 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Ответы/Шаг 8 – Введение в сверточные нейронные сети (CNN).html 728.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Шаг 10 – Использование CPU и GPU на примере простой НС.html 728.4 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Шаг 2 – Понятие эмбеддинга. Embedding слов.html 728.2 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Ответы/Шаг 8 – Функции активации в RNN. Двунаправленные RNN.html 728.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Шаг 2 – Переобучение (overfitting). Критерии останова обучения.html 727.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Шаг 9 – Начало.html 727.3 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Шаг 5 – Рекуррентный блок GRU.html 727.2 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Ответы/Шаг 8 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 727.0 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Ответы/Шаг 12 – Введение в сверточные нейронные сети (CNN).html 726.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Шаг 7 – Переобучение (overfitting). Критерии останова обучения.html 726.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Ответы/Шаг 12 – Классы Sequential, ModuleList и ModuleDict.html 725.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Шаг 2 – Функции активации и потерь в PyTorch.html 724.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Ответы/Шаг 6 – Структура и принцип работы полносвязных нейронных сетей.html 724.5 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Шаг 1 – Рекуррентный блок GRU.html 722.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Шаг 10 – Функции активации и потерь в PyTorch.html 722.4 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Шаг 5 – Сверточные нейронные сети VGG-16 и VGG-19.html 720.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Ответы/Шаг 10 – Классы nn.Linear и nn.Module.html 720.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 4 – Тензоры. Автозаполнение, изменение формы.html 719.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Шаг 8 – Тензоры. Векторно-матричные операции.html 719.3 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Шаг 1 – Вариационные автоэнкодеры (VAE).html 718.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Шаг 9 – L2-регуляризатор и Dropout.html 718.6 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Шаг 5 – LSTM - долгая краткосрочная память.html 717.5 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Ответы/Шаг 5 – Пример реализации сверточной нейронной сети.html 716.5 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Шаг 5 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 716.2 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Шаг 2 – Классы Conv2d и MaxPool2d.html 716.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Шаг 2 – Оптимизаторы. Реализация SGD на PyTorch.html 715.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Ответы/Шаг 6 – Сохранение и загрузка моделей нейронных сетей.html 714.7 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Шаг 4 – Введение в сверточные нейронные сети (CNN).html 714.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Ответы/Шаг 4 – Тензоры. Автозаполнение, изменение формы.html 713.8 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Шаг 7 – Класс nn.RNN рекуррентного слоя.html 713.7 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Ответы/Шаг 7 – Пример реализации сверточной нейронной сети.html 713.5 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Ответы/Шаг 7 – LSTM - долгая краткосрочная память.html 713.4 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Шаг 2 – Реализация U-Net для семантической сегментации изображений.html 713.0 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Ответы/Шаг 9 – Остаточные нейронные сети (residual networks - ResNet).html 712.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Шаг 8 – Классы Dataset и Dataloader.html 712.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 10 – Тензоры. Автозаполнение, изменение формы.html 712.7 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Ответы/Шаг 3 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 712.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Ответы/Шаг 9 – Функции активации и потерь в PyTorch.html 712.4 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Шаг 2 – Класс nn.RNN рекуррентного слоя.html 712.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Шаг 11 – Структура и принцип работы полносвязных нейронных сетей.html 711.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Шаг 6 – Переобучение (overfitting). Критерии останова обучения.html 711.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Ответы/Шаг 13 – Тензоры. Индексирование и срезы.html 711.4 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Шаг 8 – LSTM - долгая краткосрочная память.html 711.2 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Ответы/Шаг 13 – Реализация GAN на PyTorch.html 710.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Ответы/Шаг 5 – Классы nn.Linear и nn.Module.html 710.5 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Ответы/Шаг 8 – Остаточные нейронные сети (residual networks - ResNet).html 710.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Ответы/Шаг 10 – Применение классов Dataset и Dataloader.html 709.1 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Ответы/Шаг 9 – Сверточные нейронные сети VGG-16 и VGG-19.html 708.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Ответы/Шаг 8 – Классы Sequential, ModuleList и ModuleDict.html 708.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Шаг 10 – Классы Dataset и Dataloader.html 706.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Ответы/Шаг 11 – Тензоры. Базовые математические операции.html 706.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Ответы/Шаг 7 – Тензоры. Индексирование и срезы.html 705.4 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Ответы/Шаг 5 – Класс nn.RNN рекуррентного слоя.html 705.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Шаг 6 – Создание тензоров. Конвертирование в NumPy.html 704.5 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Ответы/Шаг 9 – Вариационные автоэнкодеры (VAE).html 704.3 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Ответы/Шаг 10 – Реализация GAN на PyTorch.html 704.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Ответы/Шаг 5 – Алгоритм Batch Normalization.html 703.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Шаг 6 – Использование CPU и GPU на примере простой НС.html 702.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Шаг 5 – Автоматическое дифференцирование.html 701.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Ответы/Шаг 7 – Классы Sequential, ModuleList и ModuleDict.html 701.7 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 15 – Реализация GAN на PyTorch.html 701.0 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Ответы/Шаг 7 – Прогноз слов рекуррентной нейронной сетью.html 700.8 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Шаг 5 – Класс nn.RNN рекуррентного слоя.html 700.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Шаг 11 – Создание тензоров. Конвертирование в NumPy.html 700.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Шаг 7 – Классификация изображений цифр БД MNIST.html 699.7 KB
3. Сверточные нейронные сети/3.6 Делаем стилизацию изображений на РyTorch/Шаг 2 – Делаем стилизацию изображений на PyTorch.html 699.5 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Ответы/Шаг 7 – Класс nn.RNN рекуррентного слоя.html 699.2 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Ответы/Шаг 3 – Функции активации в RNN. Двунаправленные RNN.html 699.1 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Ответы/Шаг 4 – Реализация GAN на PyTorch.html 698.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.2 Алгоритм back propagation/Шаг 2 – Алгоритм back propagation.html 698.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Шаг 1 – Оптимизаторы. Реализация SGD на PyTorch.html 697.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Ответы/Шаг 5 – Классы Sequential, ModuleList и ModuleDict.html 697.3 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 13 – Реализация GAN на PyTorch.html 697.1 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Шаг 7 – LSTM - долгая краткосрочная память.html 696.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Шаг 6 – Структура и принцип работы полносвязных нейронных сетей.html 696.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Шаг 2 – Форматы выборок. Сбалансированность и репрезентативность.html 696.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Шаг 9 – Сохранение и загрузка моделей нейронных сетей.html 696.6 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Шаг 3 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 696.0 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Шаг 6 – Теория стилизации изображений (Neural Style Transfer).html 695.4 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Ответы/Шаг 7 – Рекуррентная сеть для прогноза символов.html 695.0 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Ответы/Шаг 9 – Реализация GAN на PyTorch.html 694.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Шаг 7 – Сохранение и загрузка моделей нейронных сетей.html 693.6 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Ответы/Шаг 5 – Введение в сверточные нейронные сети (CNN).html 693.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Ответы/Шаг 11 – L2-регуляризатор и Dropout.html 693.0 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Шаг 2 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 692.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Ответы/Шаг 13 – Тензоры. Автозаполнение, изменение формы.html 692.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Ответы/Шаг 9 – Тензоры. Тригонометрические и статистические функции.html 692.6 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Ответы/Шаг 7 – Вариационные автоэнкодеры (VAE).html 692.3 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Шаг 2 – Рекуррентный блок GRU.html 692.2 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Шаг 8 – Рекуррентный блок GRU.html 692.1 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Шаг 1 – Рекуррентная сеть для прогноза символов.html 692.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 5 – Тензоры. Автозаполнение, изменение формы.html 691.9 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Ответы/Шаг 7 – Классы Conv2d и MaxPool2d.html 691.5 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Шаг 4 – Реализация U-Net для семантической сегментации изображений.html 691.1 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Ответы/Шаг 3 – Реализация U-Net для семантической сегментации изображений.html 690.4 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Ответы/Шаг 7 – Введение в автоэнкодеры.html 689.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Шаг 7 – Классы nn.Linear и nn.Module.html 689.0 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Шаг 8 – Функции активации в RNN. Двунаправленные RNN.html 688.6 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Ответы/Шаг 9 – Функции активации в RNN. Двунаправленные RNN.html 687.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Шаг 1 – Классы Sequential, ModuleList и ModuleDict.html 686.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Шаг 11 – Классы nn.Linear и nn.Module.html 686.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Ответы/Шаг 7 – Трансформации transform. Класс ImageFolder.html 686.6 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Шаг 7 – Вариационные автоэнкодеры (VAE).html 686.1 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Шаг 6 – Классы Conv2d и MaxPool2d.html 686.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Ответы/Шаг 12 – Создание тензоров. Конвертирование в NumPy.html 686.0 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Ответы/Шаг 8 – Введение в автоэнкодеры.html 686.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Ответы/Шаг 4 – Классификация изображений цифр БД MNIST.html 685.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Шаг 6 – Сохранение и загрузка моделей нейронных сетей.html 685.7 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Шаг 10 – Функции активации в RNN. Двунаправленные RNN.html 685.7 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Ответы/Шаг 6 – Остаточные нейронные сети (residual networks - ResNet).html 685.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Шаг 7 – Функции активации и потерь в PyTorch.html 685.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Шаг 2 – Применение классов Dataset и Dataloader.html 684.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Шаг 2 – Классы nn.Linear и nn.Module.html 683.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Шаг 5 – Переобучение (overfitting). Критерии останова обучения.html 683.1 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Ответы/Шаг 6 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 682.8 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Ответы/Шаг 6 – Вариационные автоэнкодеры (VAE).html 682.7 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Шаг 6 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 682.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Ответы/Шаг 10 – Классы Sequential, ModuleList и ModuleDict.html 682.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Шаг 4 – Тензоры. Тригонометрические и статистические функции.html 682.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Шаг 9 – Применение классов Dataset и Dataloader.html 682.4 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Ответы/Шаг 6 – Классы Conv2d и MaxPool2d.html 682.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Ответы/Шаг 5 – Структура и принцип работы полносвязных нейронных сетей.html 682.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Ответы/Шаг 10 – Тензоры. Тригонометрические и статистические функции.html 681.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Ответы/Шаг 3 – Классы nn.Linear и nn.Module.html 681.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Шаг 8 – Тензоры. Индексирование и срезы.html 681.1 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Шаг 2 – Transfer Learning (трансферное обучение).html 680.8 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Шаг 2 – Функции активации в RNN. Двунаправленные RNN.html 680.4 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Ответы/Шаг 5 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 679.4 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Шаг 6 – Остаточные нейронные сети (residual networks - ResNet).html 679.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Ответы/Шаг 7 – Тензоры. Автозаполнение, изменение формы.html 679.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Ответы/Шаг 6 – Идея обучения НС градиентным алгоритмом.html 679.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Ответы/Шаг 3 – Тензоры. Базовые математические операции.html 678.9 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Шаг 2 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 678.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Ответы/Шаг 5 – Тензоры. Автозаполнение, изменение формы.html 678.4 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Шаг 2 – Пример реализации сверточной нейронной сети.html 677.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Шаг 2 – Классификация изображений цифр БД MNIST.html 677.3 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Ответы/Шаг 4 – Пример реализации сверточной нейронной сети.html 677.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Ответы/Шаг 4 – Автоматическое дифференцирование.html 677.1 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 2 – Реализация GAN на PyTorch.html 676.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Ответы/Шаг 3 – Классы Sequential, ModuleList и ModuleDict.html 675.9 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Шаг 5 – Понятие эмбеддинга. Embedding слов.html 675.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Ответы/Шаг 11 – Трансформации transform. Класс ImageFolder.html 675.7 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Шаг 2 – Прогноз слов рекуррентной нейронной сетью.html 675.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Шаг 4 – Автоматическое дифференцирование.html 674.9 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Ответы/Шаг 11 – Классы Conv2d и MaxPool2d.html 674.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Шаг 4 – Трансформации transform. Класс ImageFolder.html 673.7 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Ответы/Шаг 12 – Реализация GAN на PyTorch.html 673.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Ответы/Шаг 10 – Тензоры. Автозаполнение, изменение формы.html 672.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Шаг 3 – Начало.html 672.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Шаг 1 – Идея обучения НС градиентным алгоритмом.html 672.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Ответы/Шаг 3 – Структура и принцип работы полносвязных нейронных сетей.html 672.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Шаг 8 – Сохранение и загрузка моделей нейронных сетей.html 672.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Ответы/Шаг 15 – Тензоры. Автозаполнение, изменение формы.html 672.1 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Ответы/Шаг 11 – Понятие эмбеддинга. Embedding слов.html 671.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Шаг 9 – Тензоры. Индексирование и срезы.html 671.6 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 4 – Реализация GAN на PyTorch.html 671.5 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Ответы/Шаг 10 – Классы Conv2d и MaxPool2d.html 671.4 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Шаг 6 – Архитектуры ResNet-18 и ResNet-50.html 670.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Ответы/Шаг 5 – Сохранение и загрузка моделей нейронных сетей.html 670.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Шаг 10 – Тензоры. Векторно-матричные операции.html 670.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Шаг 8 – L2-регуляризатор и Dropout.html 670.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Ответы/Шаг 5 – Создание тензоров. Конвертирование в NumPy.html 670.7 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Ответы/Шаг 4 – Теория стилизации изображений (Neural Style Transfer).html 670.6 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Ответы/Шаг 7 – Сверточные нейронные сети VGG-16 и VGG-19.html 670.3 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Ответы/Шаг 7 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 669.9 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Шаг 9 – Рекуррентный блок GRU.html 669.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Шаг 5 – Классы nn.Linear и nn.Module.html 669.4 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Шаг 9 – Вариационные автоэнкодеры (VAE).html 669.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Шаг 8 – Классы nn.Linear и nn.Module.html 668.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Шаг 5 – Алгоритм Batch Normalization.html 668.4 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Ответы/Шаг 8 – Архитектура сети U-Net. Семантическая сегментация изображений.html 667.9 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Шаг 11 – Классы Conv2d и MaxPool2d.html 666.9 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Шаг 7 – Прогноз слов рекуррентной нейронной сетью.html 666.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Шаг 2 – Автоматическое дифференцирование.html 666.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Шаг 6 – Идея обучения НС градиентным алгоритмом.html 666.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Шаг 10 – Тензоры. Индексирование и срезы.html 666.3 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Шаг 2 – Введение в рекуррентные нейронные сети.html 666.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Ответы/Шаг 3 – Тензоры. Автозаполнение, изменение формы.html 666.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Шаг 6 – Классы Sequential, ModuleList и ModuleDict.html 665.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Ответы/Шаг 3 – Тензоры. Индексирование и срезы.html 664.2 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Ответы/Шаг 4 – LSTM - долгая краткосрочная память.html 663.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Ответы/Шаг 4 – Тензоры. Базовые математические операции.html 663.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Шаг 5 – Структура и принцип работы полносвязных нейронных сетей.html 663.2 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Ответы/Шаг 6 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 663.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 2 – Тензоры. Автозаполнение, изменение формы.html 662.9 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Шаг 6 – Вариационные автоэнкодеры (VAE).html 662.9 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Ответы/Шаг 7 – Transfer Learning (трансферное обучение).html 662.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Шаг 9 – Идея обучения НС градиентным алгоритмом.html 661.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Шаг 2 – Тензоры. Индексирование и срезы.html 661.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Ответы/Шаг 4 – Тензоры. Тригонометрические и статистические функции.html 660.9 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Шаг 5 – Прогноз слов рекуррентной нейронной сетью.html 660.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Ответы/Шаг 12 – Тензоры. Автозаполнение, изменение формы.html 660.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Ответы/Шаг 8 – Трансформации transform. Класс ImageFolder.html 658.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Ответы/Шаг 9 – Трансформации transform. Класс ImageFolder.html 658.6 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Шаг 1 – Введение в сверточные нейронные сети (CNN).html 658.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Шаг 2 – Идея обучения НС градиентным алгоритмом.html 658.3 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Шаг 7 – Рекуррентная сеть для прогноза символов.html 658.1 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Ответы/Шаг 16 – Генеративно-состязательные сети (GAN).html 657.7 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Ответы/Шаг 15 – Генеративно-состязательные сети (GAN).html 657.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Ответы/Шаг 3 – L2-регуляризатор и Dropout.html 656.9 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Ответы/Шаг 7 – Понятие эмбеддинга. Embedding слов.html 656.6 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Шаг 5 – Архитектуры ResNet-18 и ResNet-50.html 656.5 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Ответы/Шаг 10 – Архитектура сети U-Net. Семантическая сегментация изображений.html 655.4 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Ответы/Шаг 9 – Рекуррентный блок GRU.html 655.1 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Шаг 7 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 654.6 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Ответы/Шаг 11 – Функции активации в RNN. Двунаправленные RNN.html 654.4 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Ответы/Шаг 12 – Класс nn.RNN рекуррентного слоя.html 654.2 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Ответы/Шаг 7 – Архитектура сети U-Net. Семантическая сегментация изображений.html 654.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Шаг 5 – Функции активации и потерь в PyTorch.html 653.3 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Шаг 4 – Теория стилизации изображений (Neural Style Transfer).html 653.2 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Ответы/Шаг 10 – Сверточные нейронные сети VGG-16 и VGG-19.html 652.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Шаг 1 – Тензоры. Векторно-матричные операции.html 652.6 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Ответы/Шаг 12 – Понятие эмбеддинга. Embedding слов.html 651.8 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Ответы/Шаг 12 – Функции активации в RNN. Двунаправленные RNN.html 651.5 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Шаг 9 – Функции активации в RNN. Двунаправленные RNN.html 651.5 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Ответы/Шаг 6 – Transfer Learning (трансферное обучение).html 651.1 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Шаг 5 – Пример реализации сверточной нейронной сети.html 651.1 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Ответы/Шаг 5 – Transfer Learning (трансферное обучение).html 650.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Шаг 2 – Структура и принцип работы полносвязных нейронных сетей.html 650.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Шаг 3 – Классы nn.Linear и nn.Module.html 650.4 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Ответы/Шаг 4 – Рекуррентный блок GRU.html 650.4 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Ответы/Шаг 8 – Прогноз слов рекуррентной нейронной сетью.html 650.3 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Шаг 9 – Сверточные нейронные сети VGG-16 и VGG-19.html 650.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Ответы/Шаг 12 – Тензоры. Индексирование и срезы.html 649.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Ответы/Шаг 11 – Тензоры. Индексирование и срезы.html 649.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Шаг 9 – Форматы выборок. Сбалансированность и репрезентативность.html 649.2 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Шаг 8 – Остаточные нейронные сети (residual networks - ResNet).html 648.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Ответы/Шаг 4 – Идея обучения НС градиентным алгоритмом.html 648.0 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Шаг 3 – Функции активации в RNN. Двунаправленные RNN.html 647.7 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Ответы/Шаг 11 – Вариационные автоэнкодеры (VAE).html 647.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Шаг 2 – Тензоры. Векторно-матричные операции.html 647.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Шаг 5 – Классы Dataset и Dataloader.html 646.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Шаг 10 – Трансформации transform. Класс ImageFolder.html 646.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Ответы/Шаг 10 – Алгоритм Batch Normalization.html 646.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Ответы/Шаг 11 – Создание тензоров. Конвертирование в NumPy.html 646.3 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Ответы/Шаг 3 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 646.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Шаг 1 – Автоматическое дифференцирование.html 645.8 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Шаг 7 – Введение в автоэнкодеры.html 645.1 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Ответы/Шаг 10 – Функции активации в RNN. Двунаправленные RNN.html 644.5 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Ответы/Шаг 7 – Рекуррентный блок GRU.html 644.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Шаг 5 – Классы Sequential, ModuleList и ModuleDict.html 644.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Шаг 2 – Использование CPU и GPU на примере простой НС.html 643.9 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Ответы/Шаг 4 – Архитектуры ResNet-18 и ResNet-50.html 643.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Шаг 8 – Структура и принцип работы полносвязных нейронных сетей.html 643.5 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Ответы/Шаг 9 – Архитектуры ResNet-18 и ResNet-50.html 643.4 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Ответы/Шаг 8 – Реализация GAN на PyTorch.html 643.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Шаг 2 – Создание тензоров. Конвертирование в NumPy.html 642.5 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Шаг 2 – Теория стилизации изображений (Neural Style Transfer).html 641.8 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Шаг 6 – Функции активации в RNN. Двунаправленные RNN.html 641.7 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Шаг 9 – Рекуррентная сеть для прогноза символов.html 641.6 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Шаг 4 – Рекуррентный блок GRU.html 641.3 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Шаг 9 – Понятие эмбеддинга. Embedding слов.html 641.0 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Ответы/Шаг 6 – LSTM - долгая краткосрочная память.html 641.0 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Ответы/Шаг 5 – Прогноз слов рекуррентной нейронной сетью.html 640.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Шаг 10 – Алгоритм Batch Normalization.html 640.4 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Шаг 7 – Архитектура сети U-Net. Семантическая сегментация изображений.html 640.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Шаг 8 – Тензоры. Тригонометрические и статистические функции.html 640.2 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Ответы/Шаг 3 – Класс nn.RNN рекуррентного слоя.html 639.6 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 10 – Реализация GAN на PyTorch.html 639.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Ответы/Шаг 6 – Тензоры. Векторно-матричные операции.html 639.5 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Ответы/Шаг 7 – Остаточные нейронные сети (residual networks - ResNet).html 637.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Шаг 9 – Классы Dataset и Dataloader.html 637.6 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Шаг 11 – Функции активации в RNN. Двунаправленные RNN.html 637.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Шаг 3 – Структура и принцип работы полносвязных нейронных сетей.html 637.3 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Шаг 3 – Реализация U-Net для семантической сегментации изображений.html 636.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Шаг 10 – Сохранение и загрузка моделей нейронных сетей.html 636.5 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Ответы/Шаг 9 – Понятие эмбеддинга. Embedding слов.html 636.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Шаг 2 – Классы Sequential, ModuleList и ModuleDict.html 636.0 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Шаг 10 – Остаточные нейронные сети (residual networks - ResNet).html 635.4 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Шаг 4 – LSTM - долгая краткосрочная память.html 634.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Шаг 2 – Тензоры. Базовые математические операции.html 633.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Шаг 6 – Тензоры. Индексирование и срезы.html 633.2 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Шаг 11 – Вариационные автоэнкодеры (VAE).html 633.0 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Шаг 1 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 632.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Шаг 10 – Классы nn.Linear и nn.Module.html 632.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Шаг 9 – Функции активации и потерь в PyTorch.html 631.3 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Шаг 10 – Классы Conv2d и MaxPool2d.html 631.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Ответы/Шаг 12 – Трансформации transform. Класс ImageFolder.html 631.1 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Шаг 4 – Пример реализации сверточной нейронной сети.html 630.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Шаг 12 – Тензоры. Базовые математические операции.html 630.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Шаг 9 – Тензоры. Тригонометрические и статистические функции.html 630.6 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Шаг 11 – Понятие эмбеддинга. Embedding слов.html 630.0 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Шаг 7 – Сверточные нейронные сети VGG-16 и VGG-19.html 629.4 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Шаг 7 – Классы Conv2d и MaxPool2d.html 629.3 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Шаг 9 – Остаточные нейронные сети (residual networks - ResNet).html 629.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Шаг 10 – Применение классов Dataset и Dataloader.html 628.2 KB
3. Сверточные нейронные сети/3.6 Делаем стилизацию изображений на РyTorch/Ответы/Шаг 7 – Делаем стилизацию изображений на PyTorch.html 627.7 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Ответы/Шаг 4 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 627.3 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Шаг 3 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 626.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 15 – Тензоры. Автозаполнение, изменение формы.html 626.8 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Шаг 8 – Введение в сверточные нейронные сети (CNN).html 626.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Шаг 2 – Трансформации transform. Класс ImageFolder.html 626.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Шаг 2 – Классы Dataset и Dataloader.html 626.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Шаг 11 – Трансформации transform. Класс ImageFolder.html 626.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Шаг 2 – Тензоры. Тригонометрические и статистические функции.html 626.2 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Шаг 11 – Реализация вариационного автоэнкодера (VAE).html 626.2 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 7 – Реализация GAN на PyTorch.html 625.3 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 9 – Реализация GAN на PyTorch.html 625.3 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Шаг 2 – Остаточные нейронные сети (residual networks - ResNet).html 625.3 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Шаг 1 – Остаточные нейронные сети (residual networks - ResNet).html 625.2 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Шаг 8 – Введение в автоэнкодеры.html 625.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Шаг 8 – Трансформации transform. Класс ImageFolder.html 624.9 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Шаг 4 – Прогноз слов рекуррентной нейронной сетью.html 624.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Шаг 3 – Тензоры. Тригонометрические и статистические функции.html 624.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Ответы/Шаг 9 – Создание тензоров. Конвертирование в NumPy.html 624.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Ответы/Шаг 9 – Классы Sequential, ModuleList и ModuleDict.html 624.0 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Ответы/Шаг 5 – Остаточные нейронные сети (residual networks - ResNet).html 623.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Шаг 7 – Классы Sequential, ModuleList и ModuleDict.html 623.5 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Шаг 7 – Понятие эмбеддинга. Embedding слов.html 623.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Шаг 10 – Классы Sequential, ModuleList и ModuleDict.html 622.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Шаг 11 – Тензоры. Векторно-матричные операции.html 622.3 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Шаг 12 – Функции активации в RNN. Двунаправленные RNN.html 622.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Шаг 1 – Функции активации и потерь в PyTorch.html 622.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Шаг 2 – Сохранение и загрузка моделей нейронных сетей.html 621.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Шаг 7 – Трансформации transform. Класс ImageFolder.html 621.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Шаг 3 – Тензоры. Базовые математические операции.html 621.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Шаг 11 – Переобучение (overfitting). Критерии останова обучения.html 620.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Шаг 3 – Классы Sequential, ModuleList и ModuleDict.html 620.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Шаг 8 – Классы Sequential, ModuleList и ModuleDict.html 620.6 KB
4. Рекуррентные нейронные сети/4.3 Рекуррентная сеть для прогноза символов/Шаг 2 – Рекуррентная сеть для прогноза символов.html 620.6 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Шаг 7 – Остаточные нейронные сети (residual networks - ResNet).html 620.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Ответы/Шаг 9 – Тензоры. Базовые математические операции.html 620.0 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 8 – Реализация GAN на PyTorch.html 619.8 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Ответы/Шаг 7 – Генеративно-состязательные сети (GAN).html 619.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Шаг 7 – Тензоры. Базовые математические операции.html 619.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Шаг 12 – Тензоры. Тригонометрические и статистические функции.html 619.4 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Ответы/Шаг 8 – Генеративно-состязательные сети (GAN).html 619.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Ответы/Шаг 7 – Классы Dataset и Dataloader.html 619.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Ответы/Шаг 5 – Использование CPU и GPU на примере простой НС.html 619.0 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Шаг 1 – Классы Conv2d и MaxPool2d.html 618.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Ответы/Шаг 4 – Создание тензоров. Конвертирование в NumPy.html 618.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 12 – Тензоры. Автозаполнение, изменение формы.html 618.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Ответы/Шаг 6 – Классы Dataset и Dataloader.html 618.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Шаг 7 – L2-регуляризатор и Dropout.html 618.2 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Ответы/Шаг 4 – Классы Conv2d и MaxPool2d.html 618.0 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Шаг 3 – Прогноз слов рекуррентной нейронной сетью.html 617.9 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Шаг 3 – Класс nn.RNN рекуррентного слоя.html 617.5 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Шаг 7 – Рекуррентный блок GRU.html 617.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 3 – Тензоры. Автозаполнение, изменение формы.html 617.3 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 13 – Генеративно-состязательные сети (GAN).html 616.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Шаг 12 – Создание тензоров. Конвертирование в NumPy.html 616.9 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Ответы/Шаг 5 – Понятие эмбеддинга. Embedding слов.html 616.9 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Шаг 8 – Архитектура сети U-Net. Семантическая сегментация изображений.html 616.9 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Ответы/Шаг 8 – Реализация вариационного автоэнкодера (VAE).html 616.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Шаг 11 – Классы Sequential, ModuleList и ModuleDict.html 615.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Шаг 4 – Тензоры. Индексирование и срезы.html 615.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Ответы/Шаг 6 – Трансформации transform. Класс ImageFolder.html 615.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Ответы/Шаг 9 – Классы nn.Linear и nn.Module.html 615.5 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Шаг 6 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 615.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Шаг 4 – Сохранение и загрузка моделей нейронных сетей.html 615.3 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Шаг 5 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 614.4 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Шаг 6 – Transfer Learning (трансферное обучение).html 614.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 9 – Тензоры. Автозаполнение, изменение формы.html 614.2 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 12 – Реализация GAN на PyTorch.html 614.1 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Шаг 8 – Прогноз слов рекуррентной нейронной сетью.html 613.6 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Шаг 1 – Введение в автоэнкодеры.html 613.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Шаг 5 – Использование CPU и GPU на примере простой НС.html 612.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Шаг 4 – Использование CPU и GPU на примере простой НС.html 612.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Ответы/Шаг 9 – Классификация изображений цифр БД MNIST.html 611.9 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Ответы/Шаг 11 – Рекуррентный блок GRU.html 611.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Шаг 11 – Тензоры. Тригонометрические и статистические функции.html 611.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Шаг 4 – Классификация изображений цифр БД MNIST.html 611.2 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Шаг 9 – Архитектуры ResNet-18 и ResNet-50.html 611.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 11 – Тензоры. Автозаполнение, изменение формы.html 611.1 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Шаг 4 – Архитектуры ResNet-18 и ResNet-50.html 610.9 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Шаг 5 – Введение в сверточные нейронные сети (CNN).html 610.8 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Шаг 3 – Архитектуры ResNet-18 и ResNet-50.html 609.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Шаг 1 – Тензоры. Тригонометрические и статистические функции.html 609.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Шаг 7 – Тензоры. Индексирование и срезы.html 609.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Шаг 5 – Тензоры. Индексирование и срезы.html 608.9 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Ответы/Шаг 9 – Архитектура сети U-Net. Семантическая сегментация изображений.html 608.7 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Ответы/Шаг 9 – Пример реализации сверточной нейронной сети.html 608.6 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Шаг 8 – Архитектуры ResNet-18 и ResNet-50.html 608.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Ответы/Шаг 11 – Тензоры. Автозаполнение, изменение формы.html 607.6 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Шаг 7 – Transfer Learning (трансферное обучение).html 607.6 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Ответы/Шаг 6 – Реализация U-Net для семантической сегментации изображений.html 607.5 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Шаг 12 – Введение в сверточные нейронные сети (CNN).html 607.0 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Шаг 11 – Введение в сверточные нейронные сети (CNN).html 607.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Шаг 10 – Создание тензоров. Конвертирование в NumPy.html 607.0 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Шаг 4 – Классы Conv2d и MaxPool2d.html 606.9 KB
3. Сверточные нейронные сети/3.6 Делаем стилизацию изображений на РyTorch/Ответы/Шаг 3 – Делаем стилизацию изображений на PyTorch.html 606.8 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Шаг 9 – Классы Conv2d и MaxPool2d.html 606.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Ответы/Шаг 5 – Тензоры. Индексирование и срезы.html 606.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Шаг 6 – Тензоры. Векторно-матричные операции.html 606.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Шаг 6 – Трансформации transform. Класс ImageFolder.html 606.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Шаг 5 – Идея обучения НС градиентным алгоритмом.html 606.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Шаг 11 – Тензоры. Базовые математические операции.html 605.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Ответы/Шаг 11 – Классы Sequential, ModuleList и ModuleDict.html 605.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Шаг 11 – Использование CPU и GPU на примере простой НС.html 605.0 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Шаг 1 – Теория стилизации изображений (Neural Style Transfer).html 604.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Ответы/Шаг 4 – Сохранение и загрузка моделей нейронных сетей.html 604.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Шаг 11 – Тензоры. Индексирование и срезы.html 604.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Шаг 12 – Тензоры. Индексирование и срезы.html 604.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Шаг 7 – Классы Dataset и Dataloader.html 604.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Ответы/Шаг 5 – Переобучение (overfitting). Критерии останова обучения.html 604.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Ответы/Шаг 4 – Трансформации transform. Класс ImageFolder.html 604.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Ответы/Шаг 7 – Классы nn.Linear и nn.Module.html 604.4 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Шаг 10 – Реализация вариационного автоэнкодера (VAE).html 604.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Ответы/Шаг 7 – Тензоры. Базовые математические операции.html 603.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Шаг 10 – Тензоры. Базовые математические операции.html 603.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Ответы/Шаг 12 – Переобучение (overfitting). Критерии останова обучения.html 603.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Шаг 4 – Создание тензоров. Конвертирование в NumPy.html 603.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Шаг 5 – Сохранение и загрузка моделей нейронных сетей.html 603.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Ответы/Шаг 12 – Функции активации и потерь в PyTorch.html 603.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Ответы/Шаг 13 – Функции активации и потерь в PyTorch.html 603.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Шаг 4 – Тензоры. Базовые математические операции.html 602.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Ответы/Шаг 4 – L2-регуляризатор и Dropout.html 602.8 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Ответы/Шаг 5 – Теория стилизации изображений (Neural Style Transfer).html 602.7 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Шаг 1 – Введение в рекуррентные нейронные сети.html 602.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Ответы/Шаг 12 – Тензоры. Векторно-матричные операции.html 602.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Ответы/Шаг 11 – Использование CPU и GPU на примере простой НС.html 602.5 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Ответы/Шаг 5 – Сверточные нейронные сети VGG-16 и VGG-19.html 602.4 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Ответы/Шаг 10 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 602.3 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Шаг 4 – Вариационные автоэнкодеры (VAE).html 602.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Шаг 9 – Трансформации transform. Класс ImageFolder.html 602.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Ответы/Шаг 4 – Использование CPU и GPU на примере простой НС.html 602.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Ответы/Шаг 7 – L2-регуляризатор и Dropout.html 602.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Ответы/Шаг 5 – Тензоры. Векторно-матричные операции.html 602.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Ответы/Шаг 9 – Персептрон - возможности классификации образов.html 602.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Ответы/Шаг 5 – Классы Dataset и Dataloader.html 602.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Ответы/Шаг 4 – Тензоры. Векторно-матричные операции.html 601.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Ответы/Шаг 11 – Оптимизаторы. Реализация SGD на PyTorch.html 601.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Ответы/Шаг 5 – Идея обучения НС градиентным алгоритмом.html 601.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Шаг 12 – Трансформации transform. Класс ImageFolder.html 601.3 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Ответы/Шаг 6 – Сверточные нейронные сети VGG-16 и VGG-19.html 601.3 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Шаг 6 – LSTM - долгая краткосрочная память.html 601.2 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Ответы/Шаг 4 – Transfer Learning (трансферное обучение).html 601.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Ответы/Шаг 11 – Автоматическое дифференцирование.html 601.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Шаг 3 – Идея обучения НС градиентным алгоритмом.html 601.0 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Ответы/Шаг 10 – Реализация вариационного автоэнкодера (VAE).html 601.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Ответы/Шаг 10 – Классификация изображений цифр БД MNIST.html 600.9 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 7 – Генеративно-состязательные сети (GAN).html 600.8 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 8 – Генеративно-состязательные сети (GAN).html 600.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Шаг 9 – Классы nn.Linear и nn.Module.html 600.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Шаг 9 – Создание тензоров. Конвертирование в NumPy.html 600.7 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Шаг 10 – Архитектура сети U-Net. Семантическая сегментация изображений.html 600.6 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Ответы/Шаг 8 – Архитектуры ResNet-18 и ResNet-50.html 600.5 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Шаг 12 – Класс nn.RNN рекуррентного слоя.html 600.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.6 Тензоры. Индексирование и срезы/Шаг 3 – Тензоры. Индексирование и срезы.html 600.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Ответы/Шаг 3 – Идея обучения НС градиентным алгоритмом.html 600.0 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Ответы/Шаг 3 – Прогноз слов рекуррентной нейронной сетью.html 599.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Шаг 12 – Переобучение (overfitting). Критерии останова обучения.html 599.7 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Ответы/Шаг 10 – Введение в автоэнкодеры.html 599.5 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Шаг 5 – Transfer Learning (трансферное обучение).html 599.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Шаг 9 – Тензоры. Базовые математические операции.html 599.4 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Шаг 5 – Остаточные нейронные сети (residual networks - ResNet).html 599.4 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Шаг 9 – Архитектура сети U-Net. Семантическая сегментация изображений.html 599.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Шаг 4 – L2-регуляризатор и Dropout.html 599.1 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Шаг 10 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 599.0 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Шаг 10 – Сверточные нейронные сети VGG-16 и VGG-19.html 599.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Шаг 12 – Тензоры. Векторно-матричные операции.html 598.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Шаг 5 – Создание тензоров. Конвертирование в NumPy.html 598.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Шаг 5 – Тензоры. Векторно-матричные операции.html 598.8 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Шаг 11 – LSTM - долгая краткосрочная память.html 598.8 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Ответы/Шаг 11 – LSTM - долгая краткосрочная память.html 598.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Ответы/Шаг 9 – Алгоритм Batch Normalization.html 598.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Шаг 4 – Тензоры. Векторно-матричные операции.html 598.4 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Шаг 12 – Понятие эмбеддинга. Embedding слов.html 598.2 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Ответы/Шаг 7 – Теория стилизации изображений (Neural Style Transfer).html 598.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Шаг 9 – Классификация изображений цифр БД MNIST.html 598.1 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Шаг 8 – Реализация вариационного автоэнкодера (VAE).html 598.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Шаг 11 – Оптимизаторы. Реализация SGD на PyTorch.html 597.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Шаг 11 – Автоматическое дифференцирование.html 597.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Шаг 9 – Персептрон - возможности классификации образов.html 597.5 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Ответы/Шаг 8 – Теория стилизации изображений (Neural Style Transfer).html 597.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Шаг 10 – Классификация изображений цифр БД MNIST.html 597.3 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Шаг 4 – Transfer Learning (трансферное обучение).html 597.2 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Шаг 7 – Реализация U-Net для семантической сегментации изображений.html 596.5 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 16 – Генеративно-состязательные сети (GAN).html 596.4 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Шаг 10 – Введение в автоэнкодеры.html 596.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Шаг 12 – Сохранение и загрузка моделей нейронных сетей.html 596.1 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 15 – Генеративно-состязательные сети (GAN).html 595.9 KB
3. Сверточные нейронные сети/3.6 Делаем стилизацию изображений на РyTorch/Ответы/Шаг 5 – Делаем стилизацию изображений на PyTorch.html 595.6 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Шаг 7 – Теория стилизации изображений (Neural Style Transfer).html 595.4 KB
3. Сверточные нейронные сети/3.6 Делаем стилизацию изображений на РyTorch/Шаг 7 – Делаем стилизацию изображений на PyTorch.html 595.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.2 Алгоритм back propagation/Ответы/Шаг 3 – Алгоритм back propagation.html 595.1 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Шаг 9 – Пример реализации сверточной нейронной сети.html 595.0 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Шаг 8 – Теория стилизации изображений (Neural Style Transfer).html 594.0 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Шаг 5 – Теория стилизации изображений (Neural Style Transfer).html 593.7 KB
3. Сверточные нейронные сети/3.6 Делаем стилизацию изображений на РyTorch/Шаг 3 – Делаем стилизацию изображений на PyTorch.html 593.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.16 Классы Sequential, ModuleList и ModuleDict/Шаг 9 – Классы Sequential, ModuleList и ModuleDict.html 593.1 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Шаг 1 – Понятие эмбеддинга. Embedding слов.html 592.8 KB
3. Сверточные нейронные сети/3.6 Делаем стилизацию изображений на РyTorch/Шаг 5 – Делаем стилизацию изображений на PyTorch.html 592.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Шаг 9 – Алгоритм Batch Normalization.html 592.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Шаг 12 – Функции активации и потерь в PyTorch.html 591.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Шаг 13 – Функции активации и потерь в PyTorch.html 591.5 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Шаг 11 – Рекуррентный блок GRU.html 589.7 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Шаг 6 – Сверточные нейронные сети VGG-16 и VGG-19.html 589.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Шаг 6 – Классы Dataset и Dataloader.html 589.0 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Шаг 10 – Вариационные автоэнкодеры (VAE).html 584.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.3 Установка PyTorch совместно с CUDA/Шаг 6 – Установка PyTorch совместно с CUDA.html 582.6 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Шаг 1 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 580.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.2 Алгоритм back propagation/Шаг 3 – Алгоритм back propagation.html 580.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.3 Установка PyTorch совместно с CUDA/Шаг 2 – Установка PyTorch совместно с CUDA.html 579.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Шаг 1 – Алгоритм Batch Normalization.html 578.5 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Шаг 1 – Класс nn.RNN рекуррентного слоя.html 574.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Шаг 1 – Персептрон - возможности классификации образов.html 573.2 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Ответы/Шаг 3 – Понятие эмбеддинга. Embedding слов.html 570.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 6 – Тензоры. Автозаполнение, изменение формы.html 569.4 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Шаг 6 – Введение в рекуррентные нейронные сети.html 567.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Шаг 12 – Форматы выборок. Сбалансированность и репрезентативность.html 567.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Ответы/Шаг 12 – Классы nn.Linear и nn.Module.html 567.3 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Шаг 3 – Понятие эмбеддинга. Embedding слов.html 565.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Шаг 4 – Оптимизаторы. Реализация SGD на PyTorch.html 564.8 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Ответы/Шаг 6 – Введение в рекуррентные нейронные сети.html 564.5 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Ответы/Шаг 10 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 563.8 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Ответы/Шаг 4 – Класс nn.RNN рекуррентного слоя.html 563.7 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Ответы/Шаг 7 – Архитектуры ResNet-18 и ResNet-50.html 563.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Ответы/Шаг 8 – Тензоры. Тригонометрические и статистические функции.html 561.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Шаг 4 – Переобучение (overfitting). Критерии останова обучения.html 561.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Шаг 1 – L2-регуляризатор и Dropout.html 561.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Ответы/Шаг 11 – Тензоры. Векторно-матричные операции.html 560.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Шаг 6 – L2-регуляризатор и Dropout.html 559.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Ответы/Шаг 9 – Тензоры. Автозаполнение, изменение формы.html 559.7 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Шаг 3 – Сверточные нейронные сети VGG-16 и VGG-19.html 557.8 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Шаг 3 – Остаточные нейронные сети (residual networks - ResNet).html 557.1 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Ответы/Шаг 8 – Реализация U-Net для семантической сегментации изображений.html 556.5 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Ответы/Шаг 12 – Архитектура сети U-Net. Семантическая сегментация изображений.html 555.2 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Ответы/Шаг 10 – Генеративно-состязательные сети (GAN).html 551.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Шаг 6 – Начало.html 551.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Ответы/Шаг 3 – Функции активации и потерь в PyTorch.html 546.4 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Ответы/Шаг 7 – Функции активации в RNN. Двунаправленные RNN.html 546.1 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Ответы/Шаг 11 – Введение в рекуррентные нейронные сети.html 545.9 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Ответы/Шаг 9 – Введение в сверточные нейронные сети (CNN).html 545.5 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Ответы/Шаг 11 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 545.4 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Ответы/Шаг 11 – Класс nn.RNN рекуррентного слоя.html 545.1 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Ответы/Шаг 11 – Архитектуры ResNet-18 и ResNet-50.html 544.8 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Ответы/Шаг 9 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 544.7 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Ответы/Шаг 9 – Реализация вариационного автоэнкодера (VAE).html 544.3 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Ответы/Шаг 7 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 544.2 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Ответы/Шаг 11 – Сверточные нейронные сети VGG-16 и VGG-19.html 544.1 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Ответы/Шаг 3 – Transfer Learning (трансферное обучение).html 543.4 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Ответы/Шаг 10 – Рекуррентный блок GRU.html 543.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Ответы/Шаг 11 – Классы Dataset и Dataloader.html 543.1 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Ответы/Шаг 6 – Введение в автоэнкодеры.html 542.3 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Ответы/Шаг 6 – Архитектура сети U-Net. Семантическая сегментация изображений.html 539.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.2 Алгоритм back propagation/Ответы/Шаг 5 – Алгоритм back propagation.html 538.1 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Ответы/Шаг 5 – Архитектура сети U-Net. Семантическая сегментация изображений.html 536.0 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Шаг 8 – Реализация U-Net для семантической сегментации изображений.html 535.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Ответы/Шаг 3 – Использование CPU и GPU на примере простой НС.html 532.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Шаг 4 – Начало.html 528.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Ответы/Шаг 10 – Персептрон - возможности классификации образов.html 527.7 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 5 – Реализация GAN на PyTorch.html 526.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Ответы/Шаг 3 – Начало.html 526.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Ответы/Шаг 11 – Классификация изображений цифр БД MNIST.html 526.1 KB
3. Сверточные нейронные сети/3.6 Делаем стилизацию изображений на РyTorch/Шаг 8 – Делаем стилизацию изображений на PyTorch.html 525.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Ответы/Шаг 3 – Создание тензоров. Конвертирование в NumPy.html 522.0 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Шаг 12 – Архитектура сети U-Net. Семантическая сегментация изображений.html 521.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Ответы/Шаг 8 – Тензоры. Базовые математические операции.html 521.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Ответы/Шаг 8 – Начало.html 521.0 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Ответы/Шаг 6 – Генеративно-состязательные сети (GAN).html 520.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Ответы/Шаг 5 – Тензоры. Тригонометрические и статистические функции.html 520.3 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Шаг 6 – Архитектура сети U-Net. Семантическая сегментация изображений.html 519.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Ответы/Шаг 6 – Тензоры. Автозаполнение, изменение формы.html 519.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Ответы/Шаг 13 – Создание тензоров. Конвертирование в NumPy.html 519.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Ответы/Шаг 14 – Тензоры. Автозаполнение, изменение формы.html 518.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Ответы/Шаг 8 – Тензоры. Автозаполнение, изменение формы.html 518.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Ответы/Шаг 10 – Сохранение и загрузка моделей нейронных сетей.html 516.6 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Ответы/Шаг 3 – Классы Conv2d и MaxPool2d.html 516.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Шаг 7 – Создание тензоров. Конвертирование в NumPy.html 516.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 14 – Тензоры. Автозаполнение, изменение формы.html 515.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Ответы/Шаг 10 – Тензоры. Векторно-матричные операции.html 515.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Ответы/Шаг 6 – Форматы выборок. Сбалансированность и репрезентативность.html 515.5 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Шаг 5 – Архитектура сети U-Net. Семантическая сегментация изображений.html 515.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Ответы/Шаг 4 – Начало.html 514.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Ответы/Шаг 8 – Применение классов Dataset и Dataloader.html 514.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Шаг 3 – Алгоритм Batch Normalization.html 513.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Ответы/Шаг 12 – Использование CPU и GPU на примере простой НС.html 513.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Ответы/Шаг 7 – Создание тензоров. Конвертирование в NumPy.html 512.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Ответы/Шаг 3 – Тензоры. Векторно-матричные операции.html 512.4 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Ответы/Шаг 8 – Пример реализации сверточной нейронной сети.html 512.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Шаг 7 – Начало.html 511.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Шаг 4 – Структура и принцип работы полносвязных нейронных сетей.html 511.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Ответы/Шаг 10 – Идея обучения НС градиентным алгоритмом.html 510.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Ответы/Шаг 5 – Начало.html 510.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Шаг 3 – Классы Dataset и Dataloader.html 510.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Ответы/Шаг 6 – Начало.html 510.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Ответы/Шаг 10 – Оптимизаторы. Реализация SGD на PyTorch.html 510.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Ответы/Шаг 10 – Автоматическое дифференцирование.html 509.7 KB
1. Введение в нейросети. Тензоры PyTorch/1.8 Тензоры. Тригонометрические и статистические функции/Шаг 5 – Тензоры. Тригонометрические и статистические функции.html 509.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Ответы/Шаг 3 – Трансформации transform. Класс ImageFolder.html 508.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Ответы/Шаг 9 – Начало.html 508.4 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Ответы/Шаг 10 – Transfer Learning (трансферное обучение).html 508.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Шаг 13 – Создание тензоров. Конвертирование в NumPy.html 508.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.2 Алгоритм back propagation/Ответы/Шаг 7 – Алгоритм back propagation.html 508.2 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 11 – Генеративно-состязательные сети (GAN).html 508.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Ответы/Шаг 7 – Начало.html 508.1 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 9 – Генеративно-состязательные сети (GAN).html 508.0 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Шаг 8 – Класс nn.RNN рекуррентного слоя.html 507.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Шаг 3 – Функции активации и потерь в PyTorch.html 507.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Шаг 6 – Форматы выборок. Сбалансированность и репрезентативность.html 507.2 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Ответы/Шаг 3 – Архитектура сети U-Net. Семантическая сегментация изображений.html 507.1 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Шаг 4 – Архитектура сети U-Net. Семантическая сегментация изображений.html 507.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Ответы/Шаг 4 – Функции активации и потерь в PyTorch.html 506.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Шаг 5 – Трансформации transform. Класс ImageFolder.html 506.8 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Шаг 3 – Архитектура сети U-Net. Семантическая сегментация изображений.html 506.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Ответы/Шаг 3 – Автоматическое дифференцирование.html 506.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Ответы/Шаг 11 – Форматы выборок. Сбалансированность и репрезентативность.html 506.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Шаг 6 – Классы nn.Linear и nn.Module.html 506.1 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Шаг 11 – Класс nn.RNN рекуррентного слоя.html 505.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Ответы/Шаг 3 – Классификация изображений цифр БД MNIST.html 505.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Ответы/Шаг 7 – Алгоритм Batch Normalization.html 505.4 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Ответы/Шаг 3 – LSTM - долгая краткосрочная память.html 505.2 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Ответы/Шаг 3 – Сверточные нейронные сети VGG-16 и VGG-19.html 505.2 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Ответы/Шаг 4 – Вариационные автоэнкодеры (VAE).html 505.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Ответы/Шаг 5 – Оптимизаторы. Реализация SGD на PyTorch.html 505.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Шаг 8 – Начало.html 505.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Ответы/Шаг 6 – Функции активации и потерь в PyTorch.html 504.9 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Шаг 9 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 504.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Шаг 8 – Классификация изображений цифр БД MNIST.html 504.4 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Шаг 4 – Сверточные нейронные сети VGG-16 и VGG-19.html 504.4 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Ответы/Шаг 5 – Вариационные автоэнкодеры (VAE).html 504.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Шаг 10 – Форматы выборок. Сбалансированность и репрезентативность.html 504.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Ответы/Шаг 4 – Классы Dataset и Dataloader.html 503.8 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Шаг 8 – Сверточные нейронные сети VGG-16 и VGG-19.html 503.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.3 Установка PyTorch совместно с CUDA/Ответы/Шаг 3 – Установка PyTorch совместно с CUDA.html 503.2 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 6 – Генеративно-состязательные сети (GAN).html 503.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.2 Алгоритм back propagation/Шаг 6 – Алгоритм back propagation.html 502.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Шаг 7 – Алгоритм Batch Normalization.html 502.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Шаг 5 – Начало.html 501.8 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Ответы/Шаг 7 – Введение в рекуррентные нейронные сети.html 501.6 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Ответы/Шаг 5 – Генеративно-состязательные сети (GAN).html 501.5 KB
1. Введение в нейросети. Тензоры PyTorch/1.7 Тензоры. Базовые математические операции/Шаг 8 – Тензоры. Базовые математические операции.html 501.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.2 Алгоритм back propagation/Шаг 5 – Алгоритм back propagation.html 501.2 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Ответы/Шаг 14 – Генеративно-состязательные сети (GAN).html 501.2 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Ответы/Шаг 3 – Архитектуры ResNet-18 и ResNet-50.html 500.7 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Ответы/Шаг 3 – Реализация GAN на PyTorch.html 500.4 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Ответы/Шаг 3 – Генеративно-состязательные сети (GAN).html 500.3 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Ответы/Шаг 4 – Генеративно-состязательные сети (GAN).html 500.3 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Ответы/Шаг 7 – Реализация GAN на PyTorch.html 500.2 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Ответы/Шаг 12 – Генеративно-состязательные сети (GAN).html 500.0 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Ответы/Шаг 6 – Реализация GAN на PyTorch.html 500.0 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Шаг 3 – Transfer Learning (трансферное обучение).html 499.9 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Ответы/Шаг 9 – Генеративно-состязательные сети (GAN).html 499.9 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Ответы/Шаг 14 – Реализация GAN на PyTorch.html 499.9 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Ответы/Шаг 11 – Генеративно-состязательные сети (GAN).html 499.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Шаг 4 – Функции активации и потерь в PyTorch.html 499.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Шаг 12 – Классы nn.Linear и nn.Module.html 499.7 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Шаг 4 – Введение в рекуррентные нейронные сети.html 499.7 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Ответы/Шаг 4 – Введение в рекуррентные нейронные сети.html 499.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Шаг 4 – Форматы выборок. Сбалансированность и репрезентативность.html 499.4 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Шаг 9 – Введение в сверточные нейронные сети (CNN).html 499.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Шаг 5 – Форматы выборок. Сбалансированность и репрезентативность.html 499.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Шаг 3 – Форматы выборок. Сбалансированность и репрезентативность.html 498.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Шаг 5 – Оптимизаторы. Реализация SGD на PyTorch.html 498.8 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Шаг 6 – Понятие эмбеддинга. Embedding слов.html 498.3 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Ответы/Шаг 12 – LSTM - долгая краткосрочная память.html 498.2 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Шаг 3 – Классы Conv2d и MaxPool2d.html 498.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Шаг 3 – Использование CPU и GPU на примере простой НС.html 497.8 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Ответы/Шаг 3 – Остаточные нейронные сети (residual networks - ResNet).html 497.4 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Шаг 10 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 497.2 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Шаг 4 – Класс nn.RNN рекуррентного слоя.html 497.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Ответы/Шаг 3 – Сохранение и загрузка моделей нейронных сетей.html 497.0 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Ответы/Шаг 8 – Понятие эмбеддинга. Embedding слов.html 496.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Ответы/Шаг 5 – Трансформации transform. Класс ImageFolder.html 496.8 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Ответы/Шаг 8 – Класс nn.RNN рекуррентного слоя.html 496.7 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Ответы/Шаг 8 – Классы Conv2d и MaxPool2d.html 496.6 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Ответы/Шаг 10 – Введение в сверточные нейронные сети (CNN).html 496.6 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Ответы/Шаг 5 – Классы Conv2d и MaxPool2d.html 496.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Ответы/Шаг 12 – Форматы выборок. Сбалансированность и репрезентативность.html 496.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Ответы/Шаг 3 – Форматы выборок. Сбалансированность и репрезентативность.html 496.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Ответы/Шаг 5 – Функции активации и потерь в PyTorch.html 496.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Ответы/Шаг 4 – Переобучение (overfitting). Критерии останова обучения.html 496.2 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Ответы/Шаг 3 – Введение в сверточные нейронные сети (CNN).html 496.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Ответы/Шаг 10 – Переобучение (overfitting). Критерии останова обучения.html 496.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.3 Установка PyTorch совместно с CUDA/Ответы/Шаг 4 – Установка PyTorch совместно с CUDA.html 496.2 KB
1. Введение в нейросети. Тензоры PyTorch/1.10 Использование CPU и GPU на примере простой НС/Шаг 12 – Использование CPU и GPU на примере простой НС.html 496.1 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Шаг 7 – Архитектуры ResNet-18 и ResNet-50.html 496.1 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Ответы/Шаг 4 – Архитектура сети U-Net. Семантическая сегментация изображений.html 496.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Ответы/Шаг 4 – Форматы выборок. Сбалансированность и репрезентативность.html 496.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Ответы/Шаг 5 – Форматы выборок. Сбалансированность и репрезентативность.html 496.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Ответы/Шаг 3 – Переобучение (overfitting). Критерии останова обучения.html 495.9 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Ответы/Шаг 9 – Класс nn.RNN рекуррентного слоя.html 495.8 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Ответы/Шаг 10 – Понятие эмбеддинга. Embedding слов.html 495.8 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Ответы/Шаг 6 – Введение в сверточные нейронные сети (CNN).html 495.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Ответы/Шаг 10 – Форматы выборок. Сбалансированность и репрезентативность.html 495.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.6 Классы nn.Linear и nn.Module/Ответы/Шаг 6 – Классы nn.Linear и nn.Module.html 495.7 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Ответы/Шаг 4 – Остаточные нейронные сети (residual networks - ResNet).html 495.6 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Ответы/Шаг 4 – Функции активации в RNN. Двунаправленные RNN.html 495.6 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Ответы/Шаг 8 – Введение в рекуррентные нейронные сети.html 495.6 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Ответы/Шаг 11 – Архитектура сети U-Net. Семантическая сегментация изображений.html 495.5 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Ответы/Шаг 6 – Функции активации в RNN. Двунаправленные RNN.html 495.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Ответы/Шаг 4 – Оптимизаторы. Реализация SGD на PyTorch.html 495.4 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Ответы/Шаг 5 – Функции активации в RNN. Двунаправленные RNN.html 495.4 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Ответы/Шаг 12 – Введение в рекуррентные нейронные сети.html 495.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Ответы/Шаг 10 – L2-регуляризатор и Dropout.html 495.4 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Ответы/Шаг 3 – Введение в рекуррентные нейронные сети.html 495.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.9 Тензоры. Векторно-матричные операции/Шаг 3 – Тензоры. Векторно-матричные операции.html 495.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.2 Структура и принцип работы полносвязных нейронных сетей/Ответы/Шаг 4 – Структура и принцип работы полносвязных нейронных сетей.html 495.2 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Ответы/Шаг 6 – Понятие эмбеддинга. Embedding слов.html 495.1 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Ответы/Шаг 8 – Сверточные нейронные сети VGG-16 и VGG-19.html 494.9 KB
1. Введение в нейросети. Тензоры PyTorch/1.11 Персептрон - возможности классификации образов/Шаг 10 – Персептрон - возможности классификации образов.html 494.9 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Ответы/Шаг 11 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 494.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Ответы/Шаг 6 – L2-регуляризатор и Dropout.html 494.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Ответы/Шаг 3 – Классы Dataset и Dataloader.html 494.4 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Ответы/Шаг 8 – Вариационные автоэнкодеры (VAE).html 494.4 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Ответы/Шаг 8 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 494.3 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Шаг 6 – Введение в сверточные нейронные сети (CNN).html 494.3 KB
1. Введение в нейросети. Тензоры PyTorch/1.4 Создание тензоров. Конвертирование в NumPy/Шаг 3 – Создание тензоров. Конвертирование в NumPy.html 494.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Шаг 11 – Классификация изображений цифр БД MNIST.html 494.1 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Ответы/Шаг 10 – Архитектуры ResNet-18 и ResNet-50.html 494.0 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Ответы/Шаг 8 – Классификация изображений цифр БД MNIST.html 494.0 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Ответы/Шаг 4 – Сверточные нейронные сети VGG-16 и VGG-19.html 493.9 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Шаг 10 – Автоматическое дифференцирование.html 493.9 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Шаг 8 – Пример реализации сверточной нейронной сети.html 493.9 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Ответы/Шаг 9 – Transfer Learning (трансферное обучение).html 493.7 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Ответы/Шаг 6 – Рекуррентный блок GRU.html 493.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.1 Идея обучения НС градиентным алгоритмом/Шаг 10 – Идея обучения НС градиентным алгоритмом.html 493.7 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Ответы/Шаг 3 – Вариационные автоэнкодеры (VAE).html 493.6 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Ответы/Шаг 3 – Введение в автоэнкодеры.html 493.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.5 Оптимизаторы. Реализация SGD на PyTorch/Шаг 10 – Оптимизаторы. Реализация SGD на PyTorch.html 493.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.11 Трансформации transform. Класс ImageFolder/Шаг 3 – Трансформации transform. Класс ImageFolder.html 493.4 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.15 Алгоритм Batch Normalization/Ответы/Шаг 3 – Алгоритм Batch Normalization.html 493.4 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Ответы/Шаг 10 – Прогноз слов рекуррентной нейронной сетью.html 493.3 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Ответы/Шаг 3 – Рекуррентный блок GRU.html 493.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.12 Сохранение и загрузка моделей нейронных сетей/Шаг 3 – Сохранение и загрузка моделей нейронных сетей.html 493.0 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Ответы/Шаг 9 – Прогноз слов рекуррентной нейронной сетью.html 493.0 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Шаг 5 – Классы Conv2d и MaxPool2d.html 492.7 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Ответы/Шаг 5 – Введение в автоэнкодеры.html 492.6 KB
3. Сверточные нейронные сети/3.2 Классы Conv2d и MaxPool2d/Шаг 8 – Классы Conv2d и MaxPool2d.html 492.6 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Ответы/Шаг 3 – Пример реализации сверточной нейронной сети.html 492.6 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Ответы/Шаг 9 – Введение в автоэнкодеры.html 492.5 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Шаг 10 – Transfer Learning (трансферное обучение).html 492.5 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Шаг 8 – Понятие эмбеддинга. Embedding слов.html 492.5 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Ответы/Шаг 3 – Теория стилизации изображений (Neural Style Transfer).html 492.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.7 Форматы выборок. Сбалансированность и репрезентативность/Шаг 11 – Форматы выборок. Сбалансированность и репрезентативность.html 492.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Шаг 3 – Переобучение (overfitting). Критерии останова обучения.html 492.2 KB
3. Сверточные нейронные сети/3.7 Остаточные нейронные сети (residual networks - ResNet)/Шаг 4 – Остаточные нейронные сети (residual networks - ResNet).html 492.1 KB
3. Сверточные нейронные сети/3.11 Архитектура сети U-Net. Семантическая сегментация изображений/Шаг 11 – Архитектура сети U-Net. Семантическая сегментация изображений.html 492.1 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Шаг 11 – Введение в рекуррентные нейронные сети.html 492.1 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Шаг 8 – Введение в рекуррентные нейронные сети.html 492.0 KB
4. Рекуррентные нейронные сети/4.2 Класс nn.RNN рекуррентного слоя/Шаг 9 – Класс nn.RNN рекуррентного слоя.html 492.0 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Ответы/Шаг 5 – Реализация U-Net для семантической сегментации изображений.html 491.8 KB
4. Рекуррентные нейронные сети/4.4 Понятие эмбеддинга. Embedding слов/Шаг 10 – Понятие эмбеддинга. Embedding слов.html 491.8 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Шаг 12 – Введение в рекуррентные нейронные сети.html 491.8 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Шаг 3 – Введение в рекуррентные нейронные сети.html 491.8 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.4 Автоматическое дифференцирование/Шаг 3 – Автоматическое дифференцирование.html 491.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.3 Функции активации и потерь в PyTorch/Шаг 6 – Функции активации и потерь в PyTorch.html 491.3 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Шаг 11 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 491.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.14 L2-регуляризатор и Dropout/Шаг 10 – L2-регуляризатор и Dropout.html 491.1 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Шаг 11 – Архитектуры ResNet-18 и ResNet-50.html 490.9 KB
4. Рекуррентные нейронные сети/4.1 Введение в рекуррентные нейронные сети/Шаг 7 – Введение в рекуррентные нейронные сети.html 490.8 KB
3. Сверточные нейронные сети/3.4 Сверточные нейронные сети VGG-16 и VGG-19/Шаг 11 – Сверточные нейронные сети VGG-16 и VGG-19.html 490.7 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Шаг 7 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 490.6 KB
3. Сверточные нейронные сети/3.8 Архитектуры ResNet-18 и ResNet-50/Шаг 10 – Архитектуры ResNet-18 и ResNet-50.html 490.5 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Шаг 3 – Введение в автоэнкодеры.html 490.3 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Шаг 3 – Вариационные автоэнкодеры (VAE).html 490.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Шаг 11 – Классы Dataset и Dataloader.html 490.1 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.8 Классы Dataset и Dataloader/Шаг 4 – Классы Dataset и Dataloader.html 490.1 KB
3. Сверточные нейронные сети/3.10 Transfer Learning (трансферное обучение)/Шаг 9 – Transfer Learning (трансферное обучение).html 489.7 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Шаг 10 – Прогноз слов рекуррентной нейронной сетью.html 489.6 KB
1. Введение в нейросети. Тензоры PyTorch/1.5 Тензоры. Автозаполнение, изменение формы/Шаг 8 – Тензоры. Автозаполнение, изменение формы.html 489.1 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 5 – Генеративно-состязательные сети (GAN).html 489.0 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 10 – Генеративно-состязательные сети (GAN).html 489.0 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 14 – Генеративно-состязательные сети (GAN).html 488.9 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 3 – Реализация GAN на PyTorch.html 488.6 KB
3. Сверточные нейронные сети/3.3 Пример реализации сверточной нейронной сети/Шаг 3 – Пример реализации сверточной нейронной сети.html 488.6 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 3 – Генеративно-состязательные сети (GAN).html 488.5 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 6 – Реализация GAN на PyTorch.html 488.5 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 4 – Генеративно-состязательные сети (GAN).html 488.5 KB
5. Автоэнкодеры. Генеративные сети/5.4 Генеративно-состязательные сети (GAN)/Шаг 12 – Генеративно-состязательные сети (GAN).html 488.4 KB
5. Автоэнкодеры. Генеративные сети/5.5 Реализация GAN на PyTorch/Шаг 14 – Реализация GAN на PyTorch.html 488.4 KB
3. Сверточные нейронные сети/3.5 Теория стилизации изображений (Neural Style Transfer)/Шаг 3 – Теория стилизации изображений (Neural Style Transfer).html 488.2 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.9 Применение классов Dataset и Dataloader/Шаг 8 – Применение классов Dataset и Dataloader.html 488.2 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Шаг 5 – Реализация U-Net для семантической сегментации изображений.html 487.7 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.2 Алгоритм back propagation/Ответы/Шаг 6 – Алгоритм back propagation.html 487.6 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Шаг 10 – Введение в сверточные нейронные сети (CNN).html 484.6 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.2 Алгоритм back propagation/Шаг 7 – Алгоритм back propagation.html 484.6 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Шаг 7 – Функции активации в RNN. Двунаправленные RNN.html 484.6 KB
3. Сверточные нейронные сети/3.1 Введение в сверточные нейронные сети (CNN)/Шаг 3 – Введение в сверточные нейронные сети (CNN).html 484.5 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.13 Переобучение (overfitting). Критерии останова обучения/Шаг 10 – Переобучение (overfitting). Критерии останова обучения.html 484.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.1 Начало/Шаг 2 – Начало.html 484.2 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Шаг 4 – Функции активации в RNN. Двунаправленные RNN.html 484.2 KB
4. Рекуррентные нейронные сети/4.6 Функции активации в RNN. Двунаправленные RNN/Шаг 5 – Функции активации в RNN. Двунаправленные RNN.html 484.1 KB
1. Введение в нейросети. Тензоры PyTorch/1.3 Установка PyTorch совместно с CUDA/Ответы/Шаг 5 – Установка PyTorch совместно с CUDA.html 484.0 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Шаг 12 – LSTM - долгая краткосрочная память.html 484.0 KB
4. Рекуррентные нейронные сети/4.7 Двунаправленные RNN в РyTorch. Сентимент-анализ фраз/Шаг 11 – Двунаправленные RNN в PyTorch. Сентимент-анализ фраз.html 483.9 KB
4. Рекуррентные нейронные сети/4.8 LSTM - долгая краткосрочная память/Шаг 3 – LSTM - долгая краткосрочная память.html 483.7 KB
5. Автоэнкодеры. Генеративные сети/5.3 Реализация вариационного автоэнкодера (VAE)/Шаг 9 – Реализация вариационного автоэнкодера (VAE).html 483.3 KB
2. Создание и обучение моделей полносвязных нейронных сетей/2.10 Классификация изображений цифр БД MNIST/Шаг 3 – Классификация изображений цифр БД MNIST.html 482.9 KB
3. Сверточные нейронные сети/3.9 Использование ResNet моделей. Их связь с Dropout и бустингом/Шаг 8 – Использование ResNet моделей. Их связь с Dropout и бустингом.html 482.8 KB
1. Введение в нейросети. Тензоры PyTorch/1.3 Установка PyTorch совместно с CUDA/Шаг 4 – Установка PyTorch совместно с CUDA.html 482.4 KB
1. Введение в нейросети. Тензоры PyTorch/1.3 Установка PyTorch совместно с CUDA/Шаг 3 – Установка PyTorch совместно с CUDA.html 482.4 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Шаг 8 – Вариационные автоэнкодеры (VAE).html 482.2 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Шаг 10 – Рекуррентный блок GRU.html 482.1 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Шаг 6 – Рекуррентный блок GRU.html 482.0 KB
5. Автоэнкодеры. Генеративные сети/5.2 Вариационные автоэнкодеры (VAE)/Шаг 5 – Вариационные автоэнкодеры (VAE).html 481.9 KB
4. Рекуррентные нейронные сети/4.9 Рекуррентный блок GRU/Шаг 3 – Рекуррентный блок GRU.html 481.7 KB
4. Рекуррентные нейронные сети/4.5 Прогноз слов рекуррентной нейронной сетью/Шаг 9 – Прогноз слов рекуррентной нейронной сетью.html 481.5 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Шаг 6 – Введение в автоэнкодеры.html 481.1 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Шаг 5 – Введение в автоэнкодеры.html 481.1 KB
5. Автоэнкодеры. Генеративные сети/5.1 Введение в автоэнкодеры/Шаг 9 – Введение в автоэнкодеры.html 481.0 KB
1. Введение в нейросети. Тензоры PyTorch/1.3 Установка PyTorch совместно с CUDA/Шаг 5 – Установка PyTorch совместно с CUDA.html 473.1 KB
3. Сверточные нейронные сети/3.12 Реализация U-Net для семантической сегментации изображений/Шаг 9 – Реализация U-Net для семантической сегментации изображений.html 472.0 KB

Сергей Балакирев - Добрый добрый ИИ часть 2 - 2026

File List

Download Torrent

Related Resources

Copyright Infringement