本文进行实战学习，针对医学图像分割任务，讲解了训练模型的三个步骤：数据加载、模型选择、算法选择。
深度学习基础Pytorch深度学习实战教程（三）：UNet模型训练
阅读全文
深度学习基础 深度学习基础Pytorch深度学习实战教程（二）：UNet语义分割网络
研究一个深度学习算法，可以先看网络结构，看懂网络结构后，再Loss计算方法、训练方法等。本文主要讲解UNet网络结构，以及相应代码的代码编写，其它内容会在后续章节进行说明。
深度学习基础Pytorch深度学习实战教程（一）：语义分割基础与环境搭建
许久没有更新技术博文了，给自己挖一个新坑：语义分割系列文章，先从最简单的语义分割基础与开发环境搭建开始讲解。
深度学习基础深度学习实战教程(七)：递归神经网络
在前面的文章中，我们介绍了循环神经网络，它可以用来处理包含序列结构的信息。然而，除此之外，信息往往还存在着诸如树结构、图结构等更复杂的结构。对于这种复杂的结构，循环神经网络就无能为...
深度学习基础深度学习实战教程(六)：长短时记忆网络(LSTM)
在上一篇文章中，我们介绍了循环神经网络以及它的训练算法。我们也介绍了循环神经网络很难训练的原因，这导致了它在实际应用中，很难处理长距离的依赖。在本文中，我们将介绍一种改进之后的循环...
深度学习基础深度学习实战教程(五)：循环神经网络
在前面的文章系列文章中，我们介绍了全连接神经网络和卷积神经网络，以及它们的训练和使用。他们都只能单独的取处理一个个的输入，前一个输入和后一个输入是完全没有关系的。但是，某些任务需要...
深度学习基础深度学习实战教程(四)：卷积神经网络
在前面的文章中，我们介绍了全连接神经网络，以及它的训练和使用。我们用它来识别了手写数字，然而，这种结构的网络对于图像识别任务来说并不是很合适。本文将要介绍一种更适合图像、语音识别任...
深度学习基础深度学习实战教程(三)：神经网络和反向传播算法
我们将把这些单独的单元按照一定的规则相互连接在一起形成神经网络，从而奇迹般的获得了强大的学习能力。我们还将介绍这种网络的训练算法：反向传播算法。最后，我们依然用代码实现一个神经网络...
深度学习基础深度学习实战教程(二)：线性单元和梯度下降
在上一篇文章中，我们已经学会了编写一个简单的感知器，并用它来实现一个线性分类器。你应该还记得用来训练感知器的『感知器规则』。然而，我们并没有关心这个规则是怎么得到的。本文通过介绍另...
深度学习基础深度学习实战教程(一)：感知器
无论即将到来的是大数据时代还是人工智能时代，亦或是传统行业使用人工智能在云上处理大数据的时代，作为一个有理想有追求的程序员，不懂深度学习（Deep Learning）这个超热的技术...
